23 numpy.zeros() 在 Python 中的使用

numpy.zeros() 在 Python 中的使用

numpy.zeros() 函数是机器学习程序中广泛使用的最重要的函数之一。该函数用于生成一个包含零的数组。 numpy.zeros() 函数生成一个给定形状和类型的新数组，数组中的元素都填充为零。

语法

numpy.zeros(shape, dtype=float, order='C'

参数

• shape: int 或 int 元组
• 该参数用于定义数组的维度。我们可以使用此参数来指定我们要创建的数组的形状，
• 例如 (3, 2) 或 2。
• dtype: 数据类型（可选）
• 该参数用于定义所需的数组数据类型。默认情况下，数据类型为 numpy.float64。该参数对于定义数组并非必需。
• order: {'C', 'F'}（可选）
• 该参数用于定义存储数据在内存中的顺序，可以是行优先（C 风格）或列优先（Fortran 风格）。

返回值

• 该函数返回一个 ndarray。输出的数组具有指定的形状、数据类型和顺序，其中的元素都为零。

示例 1: 不使用 dtype 和 order 的 numpy.zeros()

import numpy as np  

a = np.zeros(6)  
a

输出:

array([0., 0., 0., 0., 0., 0.])

在上面的代码中 - 我们导入了别名为 np 的 numpy 库。 - 我们声明了变量 'a'，并将 np.zeros() 函数的返回值赋给了它。 - 我们在函数中传递了一个整数值。 - 最后，我们尝试打印变量 'a' 的值。 - 输出显示了一个带有浮点数零的数组。

示例 2: 不使用 order 的 numpy.zeros()

import numpy as np  

a = np.zeros((6,), dtype=int)  
a  # array([0, 0, 0, 0, 0, 0])

输出:

array([0, 0, 0, 0, 0, 0])

示例 3: 使用 shape 的 numpy.zeros()

import numpy as np  

a = np.zeros((6,), dtype=int)  
a   

输出:

array([[0., 0.],
       [0., 0.],
       [0., 0.],
       [0., 0.],
       [0., 0.],
       [0., 0.]])

在上面的代码中 - 我们导入了别名为 np 的 numpy 库。 - 我们声明了变量 'a'，并将 np.zeros() 函数的返回值赋给了它。 - 我们在函数中传递了数组元素的形状。 - 最后，我们尝试打印变量 'a' 的值。 - 输出显示了一个具有给定形状的数组。

示例 4: 使用 shape 的 numpy.zeros()

import numpy as np  

s1 = (3,2)  
a = np.zeros(s1)  
a

输出:

array([[0., 0.],
       [0., 0.],
       [0., 0.]])

示例 5: 使用自定义 dtype 的 numpy.zeros()

import numpy as np  

a = np.zeros((3,), dtype=[('x', 'i4'), ('y', 'i4')])  
a

输出:

array([(0, 0), (0, 0), (0, 0)], dtype=[('x', '<i4'), ('y', '<i4')])

在上面的代码中 - 我们导入了别名为 np 的 numpy 库。 - 我们声明了变量 'a'，并将 np.zeros() 函数的返回值赋给了它。 - 我们在函数中传递了数组元素的形状和自定义数据类型。 - 最后，我们尝试打印变量 'a' 的值。 - 输出显示了一个包含自定义数据类型零的数组。