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
创建numpy.array的方法
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))
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)
linspace
参数：起始值，终止值（包含），生成个数
randint随机数
参数：起始值，终止值（不包含），生成个数
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))
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))
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！
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。
