2025——》NumPy中的np.ones使用/Python NumPy全1数组生成指南

明—猿

已于 2025-06-18 08:03:41 修改

阅读量387

点赞数 8

CC 4.0 BY-SA版权

分类专栏： NumPy 文章标签： numpy jupyter python 信息可视化开发语言

于 2025-05-28 15:29:01 首次发布

本文链接：https://blog.csdn.net/weixin_68013600/article/details/148285012

NumPy 专栏收录该内容

37 篇文章

订阅专栏

NumPy中的np.ones使用：

np.ones 是 NumPy 中用于创建全为 1 的数组的函数。以下是其详细用法和示例：

1. 基本语法：

np.ones(shape, dtype=None, order='C')

np.ones(shape, dtype=None, order='C')

shape：数组的形状，可以是整数（如 5）或元组（如 (2, 3)）。
dtype（可选）：数组的数据类型，默认是 float64。
order（可选）：内存布局，'C' 表示行优先，'F' 表示列优先。

2. 创建一维数组：

import numpy as np

# 创建长度为5的一维数组，元素全为1.0（默认浮点数）
arr1 = np.ones(5)
print(arr1)
# 输出: [1. 1. 1. 1. 1.]

# 指定整数类型
arr2 = np.ones(5, dtype=int)
print(arr2)
# 输出: [1 1 1 1 1]

import numpy as np

# 创建长度为5的一维数组，元素全为1.0（默认浮点数）
arr1 = np.ones(5)
print(arr1)
# 输出: [1. 1. 1. 1. 1.]

# 指定整数类型
arr2 = np.ones(5, dtype=int)
print(arr2)
# 输出: [1 1 1 1 1]

3. 创建多维数组：

通过元组指定形状：

# 创建2x3的二维数组
arr_2d = np.ones((2, 3))
print(arr_2d)
# 输出:
# [[1. 1. 1.]
# [1. 1. 1.]]

# 创建3x2x4的三维数组
arr_3d = np.ones((3, 2, 4))
print(arr_3d.shape) # 输出: (3, 2, 4)

# 创建2x3的二维数组
arr_2d = np.ones((2, 3))
print(arr_2d)
# 输出:
# [[1. 1. 1.]
#  [1. 1. 1.]]

# 创建3x2x4的三维数组
arr_3d = np.ones((3, 2, 4))
print(arr_3d.shape)  # 输出: (3, 2, 4)

4. 与其他函数的对比：

函数	用途	示例
`np.ones()`	创建全为 `1` 的数组	`np.ones((2, 3))` → `[[1,1,1],[1,1,1]]`
`np.zeros()`	创建全为 `0` 的数组	`np.zeros(5)` → `[0, 0, 0, 0, 0]`
`np.full()`	创建全为指定值的数组	`np.full((2, 2), 5)` → `[[5,5],[5,5]]`

5. 应用场景

初始化矩阵：作为占位符或基准值。
计算权重：在机器学习中作为初始权重。
掩码数组：用于布尔运算。

例如，创建一个全 1 的 3×3 矩阵并与另一个矩阵相加：

a = np.ones((3, 3))
b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(a + b)
# 输出:
# [[ 2. 3. 4.]
# [ 5. 6. 7.]
# [ 8. 9. 10.]]

a = np.ones((3, 3))
b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(a + b)
# 输出:
# [[ 2.  3.  4.]
#  [ 5.  6.  7.]
#  [ 8.  9. 10.]]

6. 注意事项

数据类型：默认是浮点数（float64），指定整数需显式设置 dtype。
性能：NumPy 数组比 Python 列表更高效，适合大规模数值计算。