文章目录
一、函数详解
np.empty(num_points)
用于创建一个指定大小的未初始化的数组的函数。该函数会返回一个指定大小的数组，但是数组的内容是未定义的，即数组中的元素可能是任意值。
参数说明：
- num_points：指定数组的大小，可以是一个整数或元组
import numpy as np
# 创建一个大小为5的未初始化数组
arr = np.empty(5)
print(arr)
# 输出结果可能会是类似于以下的内容（具体数值可能不同）：
[1. 2. 3. 4. 5.]
np.zeros(shape, dtype=float, order=‘C’)
NumPy中用于创建指定形状的全零数组的函数。该函数接受一个表示数组形状的元组作为参数，并返回一个对应形状且所有元素都为零的数组。
参数解释：
- shape：表示数组形状的元组，如(2, 3)表示2行3列的数组
- dtype：可选参数，指定数组的数据类型，默认为float
- order：可选参数，指定数组元素在内存中的存储顺序，'C’表示按行存储，'F’表示按列存储
import numpy as np
# 创建一个3x4的全零数组
zeros_array = np.zeros((3, 4))
print(zeros_array)
输出结果：
array([[0., 0., 0., 0.],
[0., 0., 0., 0.],
[0., 0., 0., 0.]])
np.tile(A, reps)
用于在不同维度上复制数组。具体来说，np.tile(A, reps)会将数组A沿各个维度复制指定的次数，形成一个新的数组。
参数解释：
- A：要复制的数组
- reps：指定每个维度上复制的次数，可以是一个整数或一个元组。如果reps是一个整数n，则表示沿着每个维度将数组复制n次；如果reps是一个元组(m, n)，则表示沿着每个维度将数组复制m次沿第一个轴，n次沿第二个轴，依此类推。
import numpy as np
# 创建一个数组
arr = np.array([1, 2, 3])
# 将数组沿着第一个轴复制3次
result1 = np.tile(arr, 3)
print(result1)
# 输出结果为：
[1 2 3 1 2 3 1 2 3]
A = np.array([[1, 2], [3, 4]])
result2 = np.tile(A, (2, 3))
print(result2)
# 输出结果为：
array([[1, 2, 1, 2, 1, 2],
[3, 4, 3, 4, 3, 4],
[1, 2, 1, 2, 1, 2],
[3, 4, 3, 4, 3, 4]])
np.newaxis
一种在NumPy中用于改变数组维度的常见操作
当使用np.newaxis时，它实际上是一个None对象的别名，用于增加数组的维度。通过在切片操作中使用np.newaxis，可以改变数组的维度，从而方便进行矩阵运算。
import numpy as np
# 创建一个一维数组
arr = np.array([1, 2, 3, 4])
# 使用np.newaxis增加一个新的轴
new_arr = arr[:, np.newaxis]
print(new_arr)
print(new_arr.shape)
输出结果：
array([[1],
[2],
[3],
[4]])
(4, 1)
numpy.stack(arrays, axis=0)
用于沿着新的轴堆叠数组序列。具体来说，np.stack 可以将多个数组沿着指定的轴（axis）进行堆叠，生成一个新的数组。
参数说明：
arrays：要堆叠的数组序列，可以是多个数组组成的列表或元组。axis：指定沿着哪个轴进行堆叠。默认值为 0，表示沿着新的第一个轴进行堆叠。
import numpy as np
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
stacked_array = np.stack((arr1, arr2))
print(stacked_array)
输出结果：
[[1 2 3]
[4 5 6]]
np.roll(a, shift, axis=None)
用于对数组进行循环移位操作的函数。该函数可以将数组沿指定轴进行循环移位，即将数组的元素按照指定的偏移量进行重新排列。
参数说明：
- a：输入数组
- shift：循环移位的偏移量，可以是正数或负数
- axis：指定沿着哪个轴进行循环移位操作，如果不指定则将数组展平后进行移位操作
import numpy as np
# 创建一个一维数组
arr = np.array([1, 2, 3, 4, 5])
# 对数组进行循环右移两位
result = np.roll(arr, 2)
print(result)
# 输出结果为：
[4 5 1 2 3]
二、实例
矩阵进行扩展三行，使得每一行都与第一行相同
import numpy as np
# 定义原始矩阵
matrix = np.array([[1, 2, 3]])
# 复制第一行，扩展为3行
extended_matrix = np.tile(matrix, (3, 1))
print(extended_matrix)
输出结果：
[[1 2 3]
[1 2 3]
[1 2 3]]
二维数组每行减去不同的数
import numpy as np
# 创建输入数组
input_array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# 创建要减去的数组
to_subtract = np.array([1, 2, 3])
# 使用广播功能实现减法操作
result = input_array - to_subtract[:, np.newaxis]
print(result)
输出结果为：
[[0 1 2]
[2 3 4]
[4 5 6]]
