初始化空的 NumPy 数组

初始化空的 NumPy 数组

参考：initialize empty numpy array

在数据科学和数值计算中，NumPy 是 Python 编程语言中最基础也是最重要的库之一。NumPy 提供了一个强大的数组对象，即 ndarray，它是进行高效数值计算的基石。在很多情况下，我们需要初始化一个空的数组，以便后续填充数据或进行其他操作。本文将详细介绍如何在 NumPy 中初始化空数组，并提供多个示例代码来展示不同的初始化方法。

1. 使用 np.empty 创建空数组

np.empty 方法可以创建一个指定形状和数据类型的未初始化的数组。这意味着数组中的每个元素都是随机的，取决于内存中的当前状态。这种方法在你需要一个特定大小但初始值不重要时非常有用。

示例代码 1：创建一个未初始化的一维数组

import numpy as np

# 创建一个长度为5的未初始化数组
empty_array = np.empty(5)
print(empty_array)

Output:

示例代码 2：创建一个未初始化的二维数组

import numpy as np

# 创建一个3x4的未初始化二维数组
empty_array_2d = np.empty((3, 4))
print(empty_array_2d)

Output:

2. 使用 np.zeros 创建初始化为0的数组

如果你需要一个数组，其中所有元素都初始化为0，np.zeros 是一个非常有用的方法。这在很多算法的初始化阶段特别有用，比如在创建权重矩阵时。

示例代码 3：创建一个全零的一维数组

import numpy as np

# 创建一个长度为5，所有元素都是0的数组
zero_array = np.zeros(5)
print(zero_array)

Output:

示例代码 4：创建一个全零的二维数组

import numpy as np

# 创建一个3x4的全零二维数组
zero_array_2d = np.zeros((3, 4))
print(zero_array_2d)

Output:

3. 使用 np.ones 创建初始化为1的数组

与 np.zeros 类似，np.ones 允许创建一个所有元素都初始化为1的数组。这在需要一个基线值或者在数值方法中作为初始猜测时非常有用。

示例代码 5：创建一个全1的一维数组

import numpy as np

# 创建一个长度为5，所有元素都是1的数组
ones_array = np.ones(5)
print(ones_array)

Output:

示例代码 6：创建一个全1的二维数组

import numpy as np

# 创建一个3x4的全1二维数组
ones_array_2d = np.ones((3, 4))
print(ones_array_2d)

Output:

4. 使用 np.full 创建具有指定值的数组

当你需要一个数组，并且希望它的所有元素都初始化为特定值时，np.full 是一个非常方便的函数。这可以用于初始化具有非零和非一常数的数组。

示例代码 7：创建一个所有元素都是指定值的一维数组

import numpy as np

# 创建一个长度为5，所有元素都是3.14的数组
full_array = np.full(5, 3.14)
print(full_array)

Output:

示例代码 8：创建一个所有元素都是指定值的二维数组

import numpy as np

# 创建一个3x4的数组，所有元素都是3.14
full_array_2d = np.full((3, 4), 3.14)
print(full_array_2d)

Output:

5. 使用 np.arange 创建数值范围数组

np.arange 是 NumPy 中生成数值序列的函数。它类似于 Python 的内置 range 函数，但返回的是 ndarray 而不是列表。这对于创建数值范围的数组非常有用。

示例代码 9：创建一个范围内的一维数组

import numpy as np

# 创建一个从0到10的数组
range_array = np.arange(0, 10)
print(range_array)

Output:

示例代码 10：创建一个具有步长的范围数组

import numpy as np

# 创建一个从0到10，步长为2的数组
range_step_array = np.arange(0, 10, 2)
print(range_step_array)

Output:

总结

在本文中，我们详细介绍了如何在 NumPy 中初始化空数组的多种方法。通过使用 np.empty, np.zeros, np.ones, np.full, 和 np.arange 等函数，我们可以根据需要创建各种初始化状态的数组。这些方法在数据处理和数值计算中非常重要，是每个数据科学家和工程师必须掌握的基础技能。