numpy学习笔记2：ones = np.ones((2, 4)) 的详解

np.ones() 是 NumPy 中用于创建全 1 数组的核心函数，其用法和参数与 np.zeros() 类似，但生成的数组元素值全部为 1。以下是详细解释：

1、语法

numpy.ones(shape, dtype=float, order='C')

• 作用：生成一个指定形状和数据类型的全 1 数组。

• 参数：

  • shape：数组的形状，以元组形式传递（如 (2,4) 表示 2 行 4 列的二维数组）。

  • dtype（可选）：数组的数据类型，默认为 float（浮点数）。

  • order（可选）：内存存储顺序，一般无需修改（'C' 表示行优先，'F' 表示列优先）。

2、示例代码

import numpy as np

# 创建一个 2x4 的全 1 数组，默认数据类型为 float
ones_array = np.ones((2, 4))
print(ones_array)

输出：

[[1. 1. 1. 1.]
 [1. 1. 1. 1.]]

3、参数详解

1. 形状参数 shape

• 必须是一个元组，表示数组的维度。

• 一维数组：

  np.ones(5)       # 输出：[1. 1. 1. 1. 1.]
  np.ones((5,))    # 推荐显式写法

• 高维数组：

  # 三维数组（形状为 2x3x4）
  np.ones((2, 3, 4))

2. 数据类型 dtype

• 默认生成浮点数（float64），可通过 dtype 指定其他类型：

  # 生成整数类型的全 1 数组
  int_ones = np.ones((3, 2), dtype=int)
  print(int_ones)

  输出：

  [[1 1]
   [1 1]
   [1 1]]

3. 存储顺序 order

• 默认 'C'（行优先存储），适用于大多数场景。'F' 表示列优先（类似 MATLAB）。

4、返回数组的属性验证

ones_array = np.ones((2, 4))

print("形状（shape）:", ones_array.shape)  # 输出 (2, 4)
print("数据类型（dtype）:", ones_array.dtype)  # 输出 float64
print("维度数（ndim）:", ones_array.ndim)   # 输出 2（二维）
print("元素总数（size）:", ones_array.size)  # 输出 8

5、应用场景

1. 初始化基准值：

   # 初始化神经网络权重（全 1 作为初始值）
   weights = np.ones((10, 5))  # 10 个神经元，5 个输入

2. 模板生成：

   # 创建掩模模板（全 1 表示保留区域）
   mask = np.ones((100, 100), dtype=bool)
   mask[20:80, 20:80] = False  # 中心区域设为 False

3. 数值计算占位：

   # 计算单位矩阵（利用全 1 数组）
   identity_matrix = np.ones((3, 3)) - np.eye(3)

6、常见问题

Q1：np.ones() 和 np.zeros() 的区别？

• np.ones() 初始化为 1，np.zeros() 初始化为 0。其他参数和用法完全一致。

Q2：如何生成全 1 的布尔数组？

• 设置 dtype=bool，但注意：1 在布尔类型中会转换为 True。

  bool_ones = np.ones((2, 2), dtype=bool)
  print(bool_ones)

  输出：

  [[ True  True]
   [ True  True]]

Q3：为什么 shape=(2,4) 生成的是 2 行 4 列？

• NumPy 遵循 (行, 列) 的约定，与数学中的矩阵表示一致。

7、对比其他函数

通过 np.ones()，你可以快速生成任意形状的全 1 数组，适用于初始化、模板生成等场景。