最新公告
  • 欢迎您光临知事网,本站秉承服务宗旨 履行“站长”责任,销售只是起点 服务永无止境!立即加入我们
  • python怎么初始化数组的方法

    因为画图中x轴与y轴的数据通常为数组格式的数据,所以先总结一下如何初始化数组:

    (1)list得到数组

    # 通过array函数传递list对象
    L = [1, 2, 3, 4, 5, 6]
    a = np.array(L)
    # 若传递的是多层嵌套的list,将创建多维数组
    b = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
    # 可以通过dtype参数在创建时指定元素类型
    d = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]], dtype=np.float)
    # 如果更改元素类型,可以使用astype安全的转换
    f = d.astype(np.int)

    (2)使用arange

    # 和Python的range类似,arange同样不包括终值;但arange可以生成浮点类型,而range只能是整数类型
    # 1为开始值,10为终止值(不包括),0.5为步长
    a = np.arange(1, 10, 0.5)

    相关推荐:《Python基础教程》

    (3)使用ones、zeros、empty

    # np.ones(shape, dtype),生成元素全为1(默认浮点型)的数组
    # shape可以为一个整数得到一个一维数组,也可以为(整数1,整数2)的格式得到二维数组,同理可得多维数组
    a = np.ones((3, 3), dtype=np.int32)
    print("a: \n", a)
       
    # np.zeros(shape, dtype),生成元素全为0(默认浮点型)的数组
    # 用法与np.noes()一样
    b = np.zeros((3, 3), dtype=np.int32)
    print("b: \n", b)
       
    # np.empty(shape, dtype),生成元素为随机数(默认浮点型)的数组
    # 用法与np.ones()一样
    c = np.empty((3, 4), dtype=np.int32)
    print("c: \n", c)
    
    # np.ones()、np.zeros()、np.empty()都具有如下形式复制一个结构一样的数组,但数据类型可选择
    np.ones_like(array, dtype=)
    np.zeros_like(array, dtype=)
    np.empty_like(array, dtype=)

    (4)等差数列

    # linspace函数通过指定起始值、终止值和元素个数来创建等差数组,元素之间是等步长的
    # endpoint表示是否包括终止值,默认为True
    b = np.linspace(1, 10, 10,endpoint=True)

    (5)等比数列

    # 指定起始值、终止值、元素个数和基数来创建等比数列
    # base表示基数,下式创建了一个1到4之间的有10个数的等比数列
    d = np.logspace(1, 2, 10, endpoint=True, base=2)
    # 基数为10,下式创建了一个10到100之间的有10个数的等比数列
    d = np.logspace(1, 2, 10, endpoint=True, base=10)

    (6)随机数

    rand()

    # 返回一个服从“0~1”均匀分布的随机数,该随机数在[0, 1)内,也可以返回一个由服从“0~1”均匀分布的随机数组成的数组。
    # np.random.rand(d0, d1, …, dn)
    # 返回一个随机值,随机值在[0, 1)内
    In[15]: np.random.rand()
    Out[15]: 0.9027797355532956
    # 返回一个3x3的数组,数组元素在[0, 1)内
    In[16]:np.random.rand(3,3)
    Out[16]: 
    array([[ 0.47507608,  0.64225621,  0.9926529 ],
        [ 0.95028412,  0.18413813,  0.91879723],
        [ 0.89995217,  0.42356103,  0.81312942]])
    In[17]: np.random.rand(3,3,3)
      
    # 返回一个3x3x3的数组
    Out[17]: 
    array([[[ 0.30295904,  0.76346848,  0.33125168],
        [ 0.77845927,  0.75020602,  0.84670385],
        [ 0.2329741 ,  0.65962263,  0.93239286]],
        [[ 0.24575304,  0.9019242 ,  0.62390674],
        [ 0.43663215,  0.93187574,  0.75302239],
        [ 0.62658734,  0.01582182,  0.66478944]],
        [[ 0.22152418,  0.51664503,  0.41196781],
        [ 0.47723318,  0.19248885,  0.29699868],
        [ 0.11664651,  0.66718804,  0.39836448]]])

    randn()

    # 产生标准正态分布随机数或随机数组,用法与rand(d0, d1, …, dn)方法一样
    np.random.randn(d0, d1, …, dn)

    randint()

    # 可以生成随机数,也可以生成多维随机数组
    # np.random.randint(low, high=None, size=None, dtype=)
    # [0,4)之间的随机数
    In[7]: np.random.randint(4)
    Out[7]: 1
    # [0,4)之间的一维数组
    In[8]: np.random.randint(4,size=4)
    Out[8]: array([2, 2, 2, 0])
    # [4,10)之间的一维数组
    In[9]: np.random.randint(4,10,size=6)
    Out[9]: array([7, 9, 7, 8, 6, 9])
    # [4,10)之间的2x2数组
    np.random.randint(4,10,size=(2,2),dtype='int32')
    Out[10]:
    array([[7, 4],[6, 9]])

    uniform()

    # 产生[low, high)之间的均匀分布随机数或随机数组,low默认为0.0,high默认为1.0
    np.random.uniform(low=0.0, high=1.0, size=None)

    normal()

    # 产生均值为loc,方差为scale的服从正太分布的随机数或随机数组,loc默认为0,scale默认为1
    np.random.normal(loc=0.0, scale=1.0, size=None)

    转载自:python学习网 https://www.py.cn/

    猜你在找

    找互联网优质资源,上知事网!
    知事网 » python怎么初始化数组的方法

    常见问题FAQ

    网盘提取密码在哪里?
    在网站右侧有个“文件密码”,点击复制即可!
    网站的积分如何获得?
    注册登录后,每天签到可获得2个积分,每天可签到一次!

    发表评论

    • 1286会员总数(位)
    • 666资源总数(个)
    • 3本周发布(个)
    • 0 今日发布(个)
    • 3461稳定运行(天)

    提供最优质的资源集合

    Mac软件 Dedecms源码
    升级SVIP尊享更多特权立即升级