人工智能基础-Numpy-创建Numpy数组和矩阵

本文介绍: 查看版本array的缺点是没有将数据当做向量或者矩阵，不支持基本运算。查看数据类型对于整型来说赋值浮点数会隐式转换。

查看版本

import numpy as np
np.__version__

array的缺点是没有将数据当做向量或者矩阵，不支持基本运算。

nparr = np.array([i for i in range(10)])
nparr[5] = 100
nparr[5] = "Machine Learning"

查看数据类型

nparr.dtype

对于整型来说赋值浮点数会隐式转换

import numpy as np
nparr = np.array([i for i in range(10)])

、
创建0数组

np.zeros(10)

浮点型数组

np.zeros(10, dtype=float)

0矩阵

#浮点型
np.zeros((3, 5))
#整型
np.zeros(shape=(3, 5), dtype=int)

全1数组/矩阵

#浮点型
np.ones(10)
np.ones((3, 5))

自定义数值

np.full((3, 5), 666)
np.full(fill_value=666, shape=(3, 5))

参数起始值，终止值（不包含），步长

np.arange(0, 20, 2)
np.arange(0, 1, 0.2)

参数：起始值，终止值（包含），生成个数

参数：起始值，终止值（不包含），生成个数

指定随机种子后生成成的随机数一致

np.random.seed(666)
np.random.randint(0, 10, size=(3, 5))

np.random.random((3,5))

# 单个随机数
np.random.normal()
# 设置范围
np.random.normal(10, 100)
# 设置范围 和 个数
np.random.normal(0, 1, (3, 5))

原文地址:https://blog.csdn.net/weixin_42403632/article/details/135955942

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。

如若内容造成侵权/违法违规/事实不符，请联系代码007邮箱：suwngjj01@126.com进行投诉反馈，一经查实，立即删除！

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。