Python库numpy之三

# NumPy数组创建函数

二维数组创建函数

numpy.eye

词法：numpy.eye(N, M=None, k=0, dtype=<class ‘float’>, order=‘C’, *, device=None, like=None)

numpy.eye产生一个二维数组，对角线上的值为 1，其他位置的值为0。

变量说明

• N，该参数类型是int
  N是输出二维数组的行数

• M，该参数类型是int, 是可选的
  M是输出二维数组的列数。如果None，则默认为参数N

• k，该参数类型是int, 是可选的
  对角线索引：
  0，表示主对角线，
  正值，表示上对角线，
  负值，表示下对角线。

• dtype，该参数类型是data-type, 是可选的
  返回数组的数据类型

• order，该参数类型是{‘C’, ‘F’}, 是可选的
  输出数组的存储方式
  ‘C’，以行优先顺序存储在内存中，C 风格
  ’F‘，以列优先顺序存储在内存中，Fortran 风格

• device，该参数类型是字符串, 是可选的
  用于放置创建的阵列的设备。默认值：None。
  仅适用于 Array-API 互操作性，因此如果通过，则必须为“cpu”。

• like，该参数类型是array_like, 是可选的
  允许创建非 NumPy 数组的引用对象。如果以参数like传入的数组支持 array_function 协议，则结果将由它定义。在这种情况下，它确保创建一个与通过此参数传入的数组对象兼容的数组对象。

应用例子

import numpy as np

if __name__ == "__main__":
    m0 = np.eye(2, dtype=int)
    m1 = np.eye(4, k=0)
    m2 = np.eye(4, k=1)
    m3 = np.eye(4, k=-1)
    print(m0)
    print("-*-"*8)
    print(m1)
    print("-*-"*8)
    print(m2)
    print("-*-"*8)
    print(m3)

程序运行的屏幕输出

[[1 0]
 [0 1]]
-*--*--*--*--*--*--*--*-
[[1. 0. 0. 0.]
 [0. 1. 0. 0.]
 [0. 0. 1. 0.]
 [0. 0. 0. 1.]]
-*--*--*--*--*--*--*--*-
[[0. 1. 0. 0.]
 [0. 0. 1. 0.]
 [0. 0. 0. 1.]
 [0. 0. 0. 0.]]
-*--*--*--*--*--*--*--*-
[[0. 0. 0. 0.]
 [1. 0. 0. 0.]
 [0. 1. 0. 0.]
 [0. 0. 1. 0.]]

numpy.diag

词法：numpy.diag(v, k=0)
numpy.diag提取对角线或构造对角线数组。

• v，该参数类型是类数组
  如果 v 是二维数组，则返回其第 k 个对角线的副本。如果 v 是一维数组，则返回 v 在第 k 对角线上的二维数组。

• k，该参数类型是int, 是可选的

应用例子

import numpy as np

if __name__ == "__main__":
    x = np.arange(9).reshape((3,3))
    y = np.diag(x)
    z = np.diag(y)   
    print(x)
    print("-*-" * 8)
    print(y)
    print("-*-" * 8)
    print(z)

    x1 = np.arange(16).reshape((4,4))
    y1 = np.diag(x1, k=1)
    z1 = np.diag(x1, k=0)
    print("-*-" * 8)
    print(x1)
    print("-*-" * 8)
    print(y1)
    print("-*-" * 8)
    print(z1)

程序运行的屏幕输出

C:\>python numpy_6.py
[[0 1 2]
 [3 4 5]
 [6 7 8]]
-*--*--*--*--*--*--*--*-
[0 4 8]
-*--*--*--*--*--*--*--*-
[[0 0 0]
 [0 4 0]
 [0 0 8]]
-*--*--*--*--*--*--*--*-
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 14 15]]
-*--*--*--*--*--*--*--*-
[ 1  6 11]
-*--*--*--*--*--*--*--*-
[ 0  5 10 15]

numpy.vander

词法：numpy.vander(x, N=None, increasing=False)

生成范德蒙矩阵。

输出矩阵的列是输入向量的幂。幂的顺序由递增布尔参数决定。具体来说，当increase为False时，第i个输出列是输入向量按元素求N - i - 1次方。这种每行都呈几何级数的矩阵就是范德蒙。

• x，该参数类型是类数组
• N，该参数类型是int, 是可选的
• increasing，该参数类型是bool, 是可选的

应用例子

import numpy as np

if __name__ == "__main__":
    arr = np.array([1, 2, 3, 5])
    m1 = np.vander(arr, N=3)
    m2 = np.vander(arr)
    m3 = np.vander(arr, N=3, increasing=True)
    print(arr)
    print("-*-" * 8)
    print(m1)
    print("-*-" * 8)
    print(m2)
    print("-*-" * 8)
    print(m3)

C:\>python numpy_7.py
[1 2 3 5]
-*--*--*--*--*--*--*--*-
[[ 1  1  1]
 [ 4  2  1]
 [ 9  3  1]
 [25  5  1]]
-*--*--*--*--*--*--*--*-
[[  1   1   1   1]
 [  8   4   2   1]
 [ 27   9   3   1]
 [125  25   5   1]]
-*--*--*--*--*--*--*--*-
[[ 1  1  1]
 [ 1  2  4]
 [ 1  3  9]
 [ 1  5 25]]