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__

image.png
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"

image.png
查看数据类型

nparr.dtype

image.png
对于整型来说赋值浮点数会隐式转换
image.png

创建numpy.array的方法

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

image.png
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))

image.png

arange

参数 起始值,终止值(不包含),步长

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

image.png
image.png

linspace

参数:起始值,终止值(包含),生成个数
image.png

randint随机数

参数:起始值,终止值(不包含),生成个数
image.png

seed 随机种子

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))

random 随机浮点数(0~1)

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

image.png

normal 正态分布随机数

# 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))

image.png

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。

如若转载,请注明出处:http://www.7code.cn/show_65839.html

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!

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注