каталог
Во-вторых, использование Numpy модуль создает массив объектов
3.linspace создать единый массив
4.logspace создать геометрическую последовательность
5.zeros создавать многомерные массивы все 0
6.ones создавать полные многомерные массивы 1
8.diag создать указанные элементы массива по диагонали
9. Случайное число генерации случайных
Генерирует случайное число random.random под (1) без каких-либо ограничений
(2) при условии, чтобы сгенерировать случайное число равномерно распределенных random.rand
(3) генерирует случайное число в линии слишком random.randn распределение
Модуль I. Введение Numpy
Numpy средство для вычисления фундаментальной науки, не только может завершить научные вычислительные задачи, а также может быть использован в качестве эффективного контейнера куба для хранения и обработки большой матрицы.
Python предоставляет модули массива, и другой список, он спас непосредственно значение, но из-за модулем массива в Python не поддерживает многомерные, ни различные оперативные функции.
Numpy восполнить это сожаление. Numpy обеспечивает единый тип данных для хранения многомерного массива --- ndarray
Во-вторых, использование Numpy модуль создает массив объектов
1.array
(1) создать одномерный массив
import numpy as np
arr=np.array([1,2,3,4,5,6,7])
print('arr:',arr)
#ndarray数组的属性：
print('arr维度：',arr.ndim)
print('arr形状：',arr.shape)
print('arr大小：',arr.size)
print('arr数据类型：',arr.dtype)
print('arr元素大小：',arr.itemsize)
Запускать результаты приведены ниже:
(2) создать двумерный массив
import numpy as np
arr=np.array([[1,2,3,4],[2,3,4,5],[3,4,5,6],[4,5,6,7],[5,6,7,8]])
print('arr:',arr)
print('arr维度：',arr.ndim)
print('arr形状：',arr.shape)
print('arr大小：',arr.size)
print('arr数据类型：',arr.dtype)
print('arr元素大小：',arr.itemsize)
Запускать результаты приведены ниже:
2.arange
Установив начальное значение, конечное значение, шаги , чтобы создать одномерный массив ( левый и правый открытые и закрытые )
Параметр 1: Пуск содержит
Параметр 2: срок не включает
Параметр 3: шаг
import numpy as np
arr=np.arange(1,10,2)
print('arr:',arr)
3.linspace создать единый массив
Параметр 1: Пуск содержит
Параметр 2: Как указано
Параметр 3: Создание номер элемента массива
import numpy as np
arr=np.linspace(1,10,5)
print('arr:',arr)
4.logspace создать геометрическую последовательность
Параметр 1: 10, чтобы начать запуски мощности ^ включающий
2 параметров: питание выключено в конце 10 ^, содержащие
Параметр 3: Количество элементов массива, чтобы генерировать
import numpy as np
arr=np.logspace(1,2,9)
print('arr:',arr)
5.zeros создавать многомерные массивы все 0
Параметры несколько нечетных строк, написанных в виде кортежа
import numpy as np
arr=np.zeros((2,3))
print(arr)
6.ones создавать полные многомерные массивы 1
Параметры для нескольких нечетной строки
import numpy as np
arr=np.ones((2,3))
print(arr)
7.eye создать матрицу E
Диагональные элементы все 1, остальные элементы равны 0, число строк и число столбцов =
Параметры: строки = количество столбцов
import numpy as np
arr=np.eye(3)
print(arr)
8.diag создать указанные элементы массива по диагонали
Входящий параметр действителен и, в свою очередь, диагональное положение на что
Некоторые параметры, передаваемые в массиве в нескольких строк нечетных
import numpy as np
arr=np.diag([1,2,3,4])
print(arr)
9. Случайное число генерации случайных
Генерирует случайное число random.random под (1) без каких-либо ограничений
Генерация массива, обозначенный параметр между 0 и 1
Левый открытый закрыт
import numpy as np
arr=np.random.random(3)
print(arr)
(2) при условии, чтобы сгенерировать случайное число равномерно распределенных random.rand
Массив между 0 ~ 1 слева и справа для открытия и закрытия
Параметры: несколько строк нечетных
import numpy as np
arr=np.random.rand(2,3)
print(arr)
(3) генерирует случайное число в линии слишком random.randn распределение
Параметры: несколько строк нечетных
import numpy as np
arr=np.random.randn(4,3)
print(arr)
