Python numpy操作：数组创建与随机数生成

"这篇文档包含了Python编程中使用numpy库的一些常见问题及解答，涉及了numpy创建不同类型的数组、随机数生成以及数组操作等基础知识。" 在Python编程中，numpy库是处理数值计算的重要工具，提供了高效的数据结构和数组操作功能。以下是针对题目中给出的各个部分的详细解释： ### 创建数组 1. **`np.zeros()`**: 这个函数用于创建一个指定形状和数据类型的全零数组。例如，`np.zeros((3,3),'u2')` 创建了一个3x3的无符号16位整数零数组。 2. **`np.empty()`**: 它创建一个未初始化的数组，初始值不确定。`np.empty((3,3),'S')` 创建了一个3x3的字符串类型空数组，其中每个元素都是空字符串。 3. **`np.full()`**: 这个函数用于创建一个填充特定值的数组。如`np.full((3,3),False)` 创建了一个3x3的布尔型数组，所有元素为False。另外，直接通过列表创建相同内容的数组，然后使用`np.asarray()`转换，如`b=np.asarray(a)`。 4. **`np.ones()`** 和 `np.arange()`: `np.ones((5,5),'i')+np.arange(5)` 创建一个5x5的数组，每一行的值为1到5的整数。`np.resize()` 可以改变数组的形状，如`b=np.resize(a,(5,5))` 把1到6的一维数组转换为5x5的二维数组。 ### 随机数生成 1. **`np.random.random()`**: 生成[0, 1)之间均匀分布的随机浮点数，如`a=np.random.random(10)`。 2. **`np.random.random()` 与 `*100`**: 可以生成[0, 100)区间内的随机浮点数，如`a=np.random.random(10)*100`。 3. **`np.random.randn()`**: 生成标准正态分布的随机数，即均值为0，标准差为1的随机数。例如，`a=np.random.randn(2,4)`。 4. **自定义正态分布**：`np.random.normal(mu, sigma, size)` 可以生成均值为`mu`，标准差为`sigma`的正态分布随机数。如`a=np.random.normal(mu, sigma, (2,4))`。 ### 数组操作 1. **获取数组角上的元素**：`np.arange(16).reshape(4,4)` 创建了一个4x4的数组，通过切片可以获取角上的元素。例如，对于数组的左上、右上、左下、右下角元素，可以分别用切片`a[[0,3],[0,0]]`，`a[[3,3],[0,3]]`，`a[[0,0],[3,3]]`，`a[[3,0],[3,3]]`来获取。 以上只是numpy库中的一部分功能，numpy还支持数组的数学运算、统计计算、排序、索引、广播等高级操作，是进行科学计算和数据分析的强大工具。在实际编程中，理解并熟练掌握numpy的使用能够极大地提升代码效率。