Alex's KB

Array creation routines (NumPy)

5 minuti

Per “array creation routines” si intendono quelle buone norme per creare vettori, matrici o tensori di diverso uso utilizzando la libreria NumPy.

Da dati esistenti

NomeDescrizioneSintassi
array()Crea un array.numpy.array(object[, dtype, copy, order, subok, ndmin])
asarray()Converte l’input in un array.numpy.asarray(a[, dtype, order])
asanyarray()Converte l’input in un ndarraynumpy.asanyarray(a[, dtype, order])
ascontiguousarray()Ritorna un array contiguo in memoria (Ordine C).numpy.ascontiguousarray(a[, dtype])
asmatrix()Interpreta l’input come una mastrice.numpy.asmatrix(data[, dtype])
copy()Ritorna un array copia di un dato oggetto.numpy.copy(a[, order]
frombuffer()Interpreta un buffer come un array 1D.numpy.frombuffer(buffer[, dtype, count, offset])
fromfile()Costruisce un array da dati in un file binario o di testo.numpy.fromfile(file[, dtype, count, sep])
fromfunction()Costruisce un array dall’esecuzione di una funzione da ogni coordinatanumpy.fromfunction(function, shape, **kwargs)
fromiter()Crea un nuovo array 1D da un oggetto iterabile.numpy.fromiter(iterable, dtype[, count])
fromstring()Inizializza un nuovo array 1D da codice binario o testo in una stringa.numpy.fromstring(string[, dtype, count, sep])
loadtxt()Carica dati da file di testo.numpy.loadtxt(fname[, dtype, comments, delimiter, …])

Codici esempio

Funzione numpy.fromfunction

La funzione numpy.fromfunction permette operazioni matematiche su array con forma specificata e li riempie con il valore restituito da una funzione che accetta come parametri gli indici che individuano ciascun elemento nell’array.

  • Array monodimensionale:
>>>def myfunc1(i): #restituisce i**2 se i>=5, i altrimenti
>>>	print(type(i))
>>>	print('i=',i)
>>>	return (i>=5)*(i**2)+(i<5)*(i)
 
>>>a = np.fromfunction(function = myfunc1 , shape=(10,) , dtype=int32)
>>>print('a=',a)
 
<class 'numpy.ndarray'>
i= [0 1 2 3 4 5 6 7 8 9]
a= [ 0  1  2  3  4 25 36 49 64 81]
  • Array bidimensionale:
>>>def myfunc2(i,j):
>>>	print('i =\n', i)
>>>	print('j =\n', j)
>>>	return i==j
   
>>>a = np.fromfunction(myfunc2,(5,5))
>>>print('a=\n',a)
 
i =
 [[ 0.  0.  0.  0.  0.]
 [ 1.  1.  1.  1.  1.]
 [ 2.  2.  2.  2.  2.]
 [ 3.  3.  3.  3.  3.]
 [ 4.  4.  4.  4.  4.]]
j =
 [[ 0.  1.  2.  3.  4.]
 [ 0.  1.  2.  3.  4.]
 [ 0.  1.  2.  3.  4.]
 [ 0.  1.  2.  3.  4.]
 [ 0.  1.  2.  3.  4.]]
a=
 [[ True False False False False]
 [False  True False False False]
 [False False  True False False]
 [False False False  True False]
 [False False False False  True]]

Vettore con dtype specifico

>>>a=np.array([1,2,3],dtype=float64)
>>>print(a)
>>>print(a.dtype)
  
[ 1. 2. 3.]
float64

Con zero e uno

NomeDescrizioneSintassi
empty()Ritorna un nuovo array di una data shape e tipo, senza inizializzare elementi.numpy.empty(shape[dtype, order])
eye()Ritorna una matrice 2D con soli uno sulla diagonale e zero nel resto.numpy.eye(N[, M, k, dtype])
identity()Ritorna l’array identitynumpy.identity(n[, dtype])
ones()Ritorna un nuovo array di una data shape e tipo, inizializzando gli elementi con uno.numpy.ones(shape[, dtype, order])
zeros()itorna un nuovo array di una data shape e tipo, inizializzando gli elementi con zero.numpy.zeros(shape[, dtype, order])
full()Ritorna un nuovo array di una data shape e tipo, inizializzando gli elementi con fill_valuenumpy.full(shape, fill_value[, dtype, order])
empty_like()Ritorna un nuovo array con stessi dimensione e tipo di un dato array.numpy.empty_like(a[, dtype, order, subok])
ones_like()Ritorna un nuovo array di uno con stessi dimensione e tipo di un dato array.numpy.ones_like(a[, dtype, order, subok])
zeros_like()Ritorna un nuovo array di 0 con stessi dimensione e tipo di un dato array.numpy.zeros_like(a[, dtype, order, subok])
full_like()Ritorna un full array con stessi dimensione e tipo di un dato array.numpy.full_like(a, fill_value[, dtype, order, subok])

Codici esempio

Funzione numpy.ones

Ricordiamo anche numpy.zeros, numpy.empty, numpy.identity, numpy.eye

>>>np.ones(5)
>>>np.ones((5,3,2),dtype=np.int8)
 
array([ 1.,  1.,  1.,  1.,  1.])
array([[[1, 1],
        [1, 1],
        [1, 1]],
 
       [[1, 1],
        [1, 1],
        [1, 1]],
 
       [[1, 1],
        [1, 1],
        [1, 1]],
 
       [[1, 1],
        [1, 1],
        [1, 1]],
 
       [[1, 1],
        [1, 1],
        [1, 1]]], dtype=int8)

Funzione numpy.ones_like

Ricordiamo anche zeros_like,empty_like.

>>>a = np.array( [ [1,2,3] , [4,5,6] ] )
>>>np.ones_like(a)
>>>b = np.array( [ [1,2,3] , [4,5,6] ] )
>>>np.ones_like(a,dtype=complex)
 
array([[1, 1, 1],
       [1, 1, 1]], dtype=int32)
array([[ 1.+0.j,  1.+0.j,  1.+0.j],
       [ 1.+0.j,  1.+0.j,  1.+0.j]])

Funzione numpy.zeros

>>> dimensions, n_item= 2,4
>>> a = np.zeros(shape=(dimensions,n_item))
>>> a
 
array([[0., 0., 0., 0.], [0., 0., 0., 0.]])

Con range numerici

NomeDescrizioneSintassi
arange()Ritorna valori uniformemente spaziati dato un intervallo.numpy.arange([start,] stop[, step,][, dtype])
linspace()Ritorna numeri uniformemente spaziati dato un intervallonumpy.linspace(start, stop[, num, endpoint, …])
logspace()Ritorna numeri uniformemente spaziati su scala logaritmica.numpy.logspace(start, stop[, num, endpoint, base, …])
geomspace()Ritorna numeri uniformemente spaziati su scala logaritmica (progressione geometrica).numpy.geomspace(start, stop[, num, endpoint, dtype])
meshgrid()Ritorna le coordinate dalle coordinate vettoriali.numpy.meshgrid(*xi, **kwargs)
mgrid()Istanza nd_grid che ritorna una mesh-grid multidimensionale densa.numpy.mgrid
ogrid()Istanza nd_grid che ritorna una mesh-grid multidimensionale aperta.numpy.ogrid

Codici esempio

Funzione numpy.arange

La funzione arange di NumPy ‘arrangia’ ordinatamente le dimensioni del parametro.

>>>a = arange(1.3 ,10.34 ,0.2 )
>>>print(a)
>>>print(a.dtype)
 
[  1.3   1.5   1.7   1.9   2.1   2.3   2.5   2.7   2.9   3.1   3.3   3.5
   3.7   3.9   4.1   4.3   4.5   4.7   4.9   5.1   5.3   5.5   5.7   5.9
   6.1   6.3   6.5   6.7   6.9   7.1   7.3   7.5   7.7   7.9   8.1   8.3
   8.5   8.7   8.9   9.1   9.3   9.5   9.7   9.9  10.1  10.3]
float64

Funzione numpy.linspace

Calcola i punti equispaziati tra due estremi:

>>>np.linspace(2.0, 3.0, num=5) # cinque punti compreso stop
>>>np.linspace(2.0, 3.0, num=5, endpoint=False) # cinque punti escluso stop
>>>np.linspace(2.0, 3.0, num=5, retstep=True)
 
array([ 2.  ,  2.25,  2.5 ,  2.75,  3.  ])
array([ 2. ,  2.2,  2.4,  2.6,  2.8])
(array([ 2.  ,  2.25,  2.5 ,  2.75,  3.  ]), 0.25)

Con numeri randomici

CodiceDescrizione
np.random.rand(righe,colonne)Crea una matrice di numeri random positivi tra 0 e 1
np.random.randn(righe, colonne)Crea una matrice di numeri random compresi tra 1 e -1
np.random.randint(0,5,[righe,colonne])Crea una matrice di numeri random compresi tra 0 e 5

Codici esempio

Funzione numpy.random

>>>a= np.random.rand(righe,colonne)
>>>print("Matrice di numeri random positivi compresi tra 0 e 1:", a)
 
>>>b= np.random.randn(righe, colonne)
>>>print("Matrice di numeri random compresi tra -1 e 1:", b)
 
>>>c= np.random.randint(0,5, [righe,colonne])
>>>print("Array di numeri randomici interi compresi tra 0 e 5:", c)
 
Matrice di numeri random positivi compresi tra 0 e 1: [[0.04301602 0.83251162 0.79429375 0.88062474] [0.59928465 0.39429854 0.67796716 0.28903311]]
 
Matrice di numeri random compresi tra -1 e 1: [[-0.74003702 -0.24466508 -0.43028455 0.33106504] [ 0.28639915 -0.17859026 -0.58098105 0.95146962]]
 
Array di numeri randomici interi compresi tra 0 e 5: [[0 0 2 3] [2 0 1 4]]

Vista grafico

Link entranti