NumPy学习:创建ndarray数组(linespace,arange,uniform,normal)

"""
    创建ndarray数组(linespace,arange,uniform,normal)
"""
import numpy as np
print("linespace:", np.linspace(0, 100, 5)) # 等间隔的序列
print("arange:", np.arange(10, 50, 10))     # 每间隔10
print("uniform:", np.random.uniform(-1,1, 5))#均匀分布
print("normal:", np.random.normal(loc=1.75, scale=0.1, size=5))# 正太分布
 
linespace: [  0.  25.  50.  75. 100.]
arange: [10 20 30 40]
uniform: [-0.93105165  0.95832368  0.57355316 -0.51174497 -0.71620873]
normal: [1.78206469 1.94835097 1.78042805 1.72402925 1.83369754]
 

原文地址:https://www.cnblogs.com/jumpkin1122/p/11503540.html

时间: 2024-10-08 17:58:02

NumPy学习:创建ndarray数组(linespace,arange,uniform,normal)的相关文章

Numpy学习二:数组的索引与切片

1.一维数组索引与切片#创建一维数组arr1d = np.arange(10)print(arr1d) 结果:[0 1 2 3 4 5 6 7 8 9] #数组的索引从0开始,通过索引获取第三个元素arr1d[2] 结果:2 #切片,左闭右开区间,从索引3开始,直到索引7结束 arr1d[3:8] 结果:array([3, 4, 5, 6, 7]) #数组脚标由右往左是从-1开始,每向左一位脚标数字减1,获取最后一个元素arr1d[-1] #等价arr1d[9] 结果:9 #将标量赋值给切片,会

Numpy学习三:数组运算

1.转置 #reshape(shape)函数改变数组形状,shape是一个元组,表示数组的形状 创建一个包含15个元素的一维数组,通过reshape函数调整数组形状为3行5列的二维数组arr = np.arange(15).reshape((3,5))print(arr) 结果:[[ 0  1  2  3  4]            [ 5  6  7  8  9]            [10 11 12 13 14]] #转置,数组转置可以使用transpose方法或者T属性,转置返回的是

数据分析2 numpy(ndarray数组,属性,创建,索引切片,运算,函数,随机数), Pandas(Series创建,缺失值处理,特性,索引,DataFrame)

Numpy numpy数据类型 1.为啥使用numpy ? ndarray是一个多维数组列表 Numpy的核心特征就是N-维数组对----ndarray 它和python中的列表区别: 1.数组对象内元素类型必须相同 2.数组大小不可修改 2.创建ndarray     数组 3.常见的属性 数据类型 astype()方法可以修改数组类型 4.ndarray的创建方式 5.索引 6.切片 7.数组的向量运算和矢量运算 8. 布尔型索引 9.花式索引 10.一元函数 11.数学统计函数 12.随机

ndarray数组自动创建

为了实现某些运算,需要快速构造符合要求的大数组 Numpy函数生成的数组,如不指定类类型,几乎全为浮点型(arange除外,它是整形),因为科学计算中测量值,例如温度.长度,都是浮点数 1 import numpy as np 2 import matplotlib.pyplot as plt 3 plt.style.use('seaborn') 1 np.arange(20) array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 1

Numpy:数组创建、数组基本属性

Numpy数组创建 import numpy as np ''' numpy中的ndarray数组 ''' ary = np.array([1, 2, 3, 4, 5]) print(ary) ary = ary * 10 print(ary) ''' ndarray对象的创建 ''' # 创建二维数组 # np.array([[],[],...]) a = np.array([[1, 2, 3, 4], [5, 6, 7, 8]]) print(a) # np.arange(起始值, 结束值,

利用 Python 进行数据分析(四)NumPy 基础:ndarray 简单介绍

一.NumPy 是什么 NumPy 是 Python 科学计算的基础包,它专为进行严格的数字处理而产生.在之前的随笔里已有更加详细的介绍,这里不再赘述. 利用 Python 进行数据分析(一)简单介绍 二.ndarray 是什么 ndarray 是一个多维的数组对象,具有矢量算术运算能力和复杂的广播能力,并具有执行速度快和节省空间的特点. ndarray 的一个特点是同构:即其中所有元素的类型必须相同. 三.ndarray 的创建 array() 函数 最简单的方法, 使用 NumPy 提供的

Python开发:NumPy学习(一)ndarray数组

一.数据维度 一个数据表达一个含义,一组数据表达一个或多个含义. 数据维度概念:一组数据的组织形式,其中有一维数据.二维数据.多维数据.高维数据. 1.  一维数据 一维数据由对等关系的有序或无序数据构成,采用线性方式组织. 对应:列表.集合 #列表有序 [1,2,3,4,5] #集合无序 {1,2,3,4,5} 2.二维数据 二维数据由多个一维数据构成,是一维数据的组合形式. 对应:列表 [[1,2,3],[4,5,6]] 3.多维数据 多维数据由一维或二维数据在新维度上扩展形成. 对应:列表

Numpy学习一:array数组对象

NumPy是Python的一个高性能科学计算和数据分析基础库,提供了功能强大的多维数组对象ndarray.jupyter notebook快速执行代码的快捷键:鼠标点击选中要指定的代码框,Shift + Enter组合键直接执行代码框中的全部代码.              Alt + Enter组合键执行完代码框中的代码在代码框的下面再添加一个空代码框. 1.创建数组 #引入numpy,并重命名为np,方便使用import numpy as np 1.1.使用numpy内置的array函数创建

numpy 学习 第2篇:ndarray 基础操作

numpy模块内置的函数能够对数组进行复杂而高效的操作,这些函数中都有一个参数axis(轴).在数组中,轴表示维度,对于二维数组,axis参数的取值通常有: 当axis为None,表示把数组展开为一维数组: 当axis为0时,表示按照列(第一维)进行计算: 当axis=1时,表示按照行(第二维)进行计算. 一,排序sort sort(axis,kind)函数用于对数组进行排序,可以使用类方法numpy.sort(),返回的是数组的已排序的副本,而原始数组并没有改变:也可以使用对象方法obj.so