Python中numpy怎么创建空数组？-群英

上一篇：python中munch库的作用是什么？怎样使用？下一篇：pycharm中jupyter怎样安装使用？

这篇文章主要介绍numpy怎么创建空数组，下文有具体的实例和代码，对新手理解numpy创建空数组有一定参考价值，感兴趣的朋友可以了解一下，希望大家阅读完这篇文章能有所收获。

一、问题描述：

有一个shape为(308, 2)的二维数组，以及单独的一个数字，需要保存到csv文件中，这个单独的数字让其保存到第3列第一行的位置。

二、具体的实现：

首先要想把一个(308, 2)的二维数组和一个数字给拼接起来，直接拼接没办法实现，因为行数和列数都不同的两个ndarry是无法拼接的（此处按照目前我学的理解，是无法直接拼接的，如果可以的话，麻烦评论一下）。

然后我首先想到的解决方法就是先建一个(308,1)的二维数组，然后令这个二维数组的第一个元素设置成那个数字，然后进行拼接，保存。

为使数据可以显示完全，以仅以3行数据为例：

>>> a = np.ones((3,2))
>>> b = 0.2
>>> _b = np.empty((3,1))
>>> _b[0, 0] = b
>>> c = np.c_[a, _b]
>>> print(c)
[[1.00000000e+000 1.00000000e+000 2.00000000e-001]
 [1.00000000e+000 1.00000000e+000 2.12199579e-313]
 [1.00000000e+000 1.00000000e+000 2.54639495e-313]]
>>>

但是这样，我把结果保存到文件时，第3列的除第一行，其他的行是有数据的，我不想让它显示数据。
也就是empty这个函数只是创建一个未初始化的数组，实际上里面的数值都是垃圾值。

那么如何去实现视觉上没有数据呢，其实利用空的字符串就可以了。

所以就通过np.ones设置dtype为str，此时生成的是元素都为空字符串的数组，（具体的原因还不清楚），然后此时若直接设置第一行的元素为某个值，是不行的，会自动变为'0‘，只有在拼接之后，然后再给它赋值才可以，这个地方我不是很理解，但是结果是正确的。

三、完整代码：

y_true = np.ones((3, 1), dtype=np.int)
y_pred = np.ones((3, 1), dtype=np.int)
y = np.c_[y_true, y_pred]

accuracy = np.zeros(shape=(y_true.shape[0], 1), dtype=np.str)

# 此时若设置accuracy[0, 0] = '0.89'，最终accuracy[0, 0]存的是'0'，具体原因还不清楚

res = np.c_[y, accuracy]  # 先拼接起来
res[0, 2] = '0.89'  # 然后再设置就可以了

res = pd.DataFrame(res, columns=['y_true', 'y_pred', 'accuracy'])
res.to_csv('1.csv')  # 保存到文件中

从文件中读取的时候，直接读出来，空白的地方被赋值为nan

a = pd.read_csv('1.csv', usecols=(1, 2, 3))
a = a.values
print(a, type(a), a.dtype)

关于np.nan需要注意的地方如下：

np.nan不是空对象。
对列表中的nan进行操作时不能用"==np.nan"来判断。只能用np.isnan()来操作。
np.nan的数据类型是float。

import numpy as np
 
np.nan == np.nan
Out[3]: False
 
aa = np.array([1,2,3,np.nan,np.nan,4,5,np.nan])
aa
Out[5]: array([  1.,   2.,   3.,  nan,  nan,   4.,   5.,  nan])
 
aa[aa==np.nan] = 100  #错误方式
aa
Out[7]: array([  1.,   2.,   3.,  nan,  nan,   4.,   5.,  nan])
 
aa[np.isnan(aa)] = 100  #对nan操作的正确方式
aa
Out[9]: array([   1.,    2.,    3.,  100.,  100.,    4.,    5.,  100.])
 
type(np.nan)
Out[10]: float

以上就是关于python的numpy怎么创建空数组的介绍，希望本文对大家学习python有帮助，想要了解更多python的numpy库的内容，大家可以关注其他相关文章。

文本转载自脚本之家