3.6 KiB
3.6 KiB
NumPy one–完整指南
原文：https://www.askpython.com/python-modules/numpy/numpy-ones
你好，欢迎来到这个关于Numpy one的教程。在本教程中，我们将学习 NumPy ones() 方法，也将看到许多关于相同的例子。让我们开始吧！
NumPy ones 方法是什么？
NumPy ones返回给定形状和数据类型的一个 Numpy 数组 ，所有值都设置为 1。
NumPy ones 的语法
让我们先来看看 NumPy ones 的语法。
numpy.ones(shape, dtype=None, order='C', like=None)
| 参数 | 描述 | 必需/可选 | | 形状 | 所需的数组形状。它可以是一个整数，也可以是一组整数。 | 需要 | | 类型 | 所需的数组数据类型。 默认数据类型为浮点型。 | 可选择的 | | 命令 | 多维数据在存储器中存储的期望顺序。它可以是主要行(' C ')或主要列(' F ')。 默认顺序为**【C】，即行主**。 | 可选择的 | | like (array_like) | 引用对象，以允许创建不是 NumPy 数组的数组。 | 可选择的 |
返回: 给定形状、数据类型和顺序的数组，只填充 1。
使用 NumPy 的例子
现在让我们看一些numpy.ones()方法的实际例子。
使用 1 的一维数组
import numpy as np
one_dim_array = np.ones(4)
print(one_dim_array)
输出:
[1\. 1\. 1\. 1.]
使用零的二维数组
N×M 阵列
import numpy as np
two_dim_array = np.ones((4, 2))
print(two_dim_array)
输出:
[[1\. 1.]
[1\. 1.]
[1\. 1.]
[1\. 1.]]
1×N 阵列
import numpy as np
one_row_array = np.ones((1, 3))
print(one_row_array)
输出:
[[1\. 1\. 1.]]
N×1 阵列
import numpy as np
one_col_array = np.ones((5, 1))
print(one_col_array)
输出:
[[1.]
[1.]
[1.]
[1.]
[1.]]
一维整型数组
import numpy as np
one_dim_int_array = np.ones(5, dtype=np.int64)
print(one_dim_int_array)
输出:
[1 1 1 1 1]
二维整型数组
import numpy as np
two_dim_int_array = np.ones((3, 3), dtype=np.int64)
print(two_dim_int_array)
输出:
[[1 1 1]
[1 1 1]
[1 1 1]]
一维自定义数据类型数组
import numpy as np
custom_one_dim_array = np.ones(4, dtype=[('x', 'int'), ('y', 'float')])
print(custom_one_dim_array)
print(custom_one_dim_array.dtype)
输出:
[(1, 1.) (1, 1.) (1, 1.) (1, 1.)]
[('x', '<i4'), ('y', '<f8')]
在这个例子中，我们将第一个值指定为 int，将第二个值指定为 float。
二维自定义数据类型数组
我们可以将数组的元素指定为元组，还可以指定它们的数据类型。
import numpy as np
custom_two_dim_array = np.ones((2, 3), dtype=[('x', 'float'), ('y', 'int')])
print(custom_two_dim_array)
print(custom_two_dim_array.dtype)
输出:
[[(1., 1) (1., 1) (1., 1)]
[(1., 1) (1., 1) (1., 1)]]
[('x', '<f8'), ('y', '<i4')]
这里，代码将数组元素中元组的第一个值指定为 float，第二个值指定为 int。
结论
仅此而已！在本教程中，我们学习了 Numpy ones 方法，并使用相同的方法练习了不同类型的示例。 如果你想了解更多关于 NumPy 的信息，请随意浏览我们的 NumPy 教程。