numpy自动生成数组详解
|
1 np.arange(),类似于range，通过指定开始值，终值和步长来创建表示等差数列的一维数组，注意该函数和range一样结果不包含终值。 >>> np.arange(10) array([0,1,2,3,4,5,6,7,8,9]) >>> np.arange(0,0.1) array([ 0.,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9]) >>> 2 np.linspace()函数，与上面np.arange不同的是，该函数第三个参数指定的是元素个数，它表示给定起始值和终点值以及元素个数，生成一个一维的等差数列。含有参数endpoint布尔值，默认为True表示包含终值，设定为False表示不包含终值。 >>> np.linspace(0,10) array([ 0.,0.22222111,0.22222222,0.33333333,0.44444444,0.55555556,0.66666667,0.77777778,0.88888889,1. ]) >>> np.linspace(0,10,endpoint = False) array([ 0.,0.9]) 3 np.logspace,该函数与np.linspace类似，不过它生成的数组是等比数列，基数默认为10 >>> np.logspace(0,5) array([ 1.00000000e+00,1.00000000e+01,1.00000000e+02,1.00000000e+03,1.00000000e+04]) 但是基数也可以改变，例如将基数base = 2，如下： >>> np.logspace(0,base = 2) array([ 1.,1.68179283,2.82842712,4.75682846,8. ]) 上面表示，起点为2^0 = 1，终点为2^3 = 8,一共按照等比数列生成5个点，这样公比q = 2^(3/4) 4. np.zeros(),np.ones(),np.empty()可以创建指定的形状和类型数组，其中np.enpty()只分配数组所使用的内存，不对数据初始化起作用。 >>> np.empty((2,3),np.int32) array([[ 8078112,37431728,8078112],[47828800,47828712,10]]) 注意上面创建的2*3的数组并没有被初始化。 >>> np.ones(4) array([ 1.,1.,1.]) >>> np.ones((2,3)) array([[ 1.,1.],[ 1.,1.]]) >>> np.ones(4,dtype = np.bool) array([ True,True,True],dtype=bool) >>> np.zeros(4,dtype = np.bool) array([False,False,False],dtype=bool) >>> np.zeros(4) array([ 0.,0.,0.]) np.full()函数可以生成初始化为指定值的数组 >> np.full(4,np.pi) array([ 3.14159265,3.14159265,3.14159265]) >>> np.full((2,np.pi) array([[ 3.14159265,3.14159265],[ 3.14159265,3.14159265]]) 此外np.zeros_like()，np.ones_like()等函数创建于参数形状相同的数组即np.zeros_like(a)与np.zeros(a.shape,dtype = a.type)相同 >>> a = np.arange(10).reshape(2,5) >>> np.zeros_like(a) array([[0,0],[0,0]]) 5 np.fromfunction()，它可以从指定的函数中生成数组，第一个参数是函数名称，第二个参数是数组形状。 >>> np.fromfunction(lambda a,b:a == b,(3,3)) array([[ True,[False,True]],dtype=bool) >>> np.fromfunction(lambda i:i%7 +1,(10,)) array([ 1.,2.,3.,4.,5.,6.,7.,3.]) 总结 以上就是本文关于numpy自动生成数组详解的全部内容，希望对大家有所帮助。感兴趣的朋友可以继续参阅本站其他相关专题，如有不足之处，欢迎留言指出。感谢朋友们对本站的支持！ （编辑：李大同） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |