Numpy 创建数组序列|学习笔记

简介: 快速学习 Numpy 创建数组序列

开发者学堂课程【高校精品课-华东师范大学-人工智能基础:Numpy 创建数组序列】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址:https://developer.aliyun.com/learning/course/920/detail/15571


Numpy 创建数组序列

 

内容简介:

一、创建特殊数组

二、Numpy arrange 函数

 

一、创建特殊数组

1.numpy.empty

创建一个指定形状(shape)、数据类型(dtype)且未初始化的数组。

例如:numpy.empty(shape,dtype=float,order=’C’)

参数:

Shape:数组形状

Dtype:数据类型,可选

Order:有“C”和“F”两个选项,分别代表,行优先和列优先,在计算机内存中的存储元素的顺序。

上一讲介绍了 Numpy 中的二维数组。对指定数据,可以使用 Rich 函数创建数组。不过 Numpy 中还有一些特殊的数字,比如全零、全一、顺序序列。

第一种特殊的数组就是 empty,也就是空数组。创建一个指定形状 shape 数据类型的 type。未初始化的数组就是空数组,格式是 Numpy 的 empty。其中的参数包括 ship。D type,还有 order。第一个 ship 当然就是形状,第二个参数的type 就是类型的,就是顺序。

2.nympy。zeros:

创建指定大小的数组,以0填充。

格式:numpy。Zeros(shape,dtype=float,order=‘C

参数:

Shape:数组形状

Dtype:数据类型,可选

Order:‘C‘用于C的行数组,或者’F‘用于 FORTERAN 的列数组

第二种特殊数组是全零数组及创建指定大小的数组,以零填充,使用单拍点 zeros。函数的格式是 none,拍点those。它的参数也是 shape the type 和 order。

3.numpy。ones:

创建指定形状的数组,数组元素以1来填充。

第三种特殊数组是权益的数组 once使用方法和前面两个相同

输入代码:

Import numpy as np

Nd=np.zeros((5,),dtype=np.int)

Nd

Array9[0,0,0,0,0])

输入 import.SMP。创建一个 ND 数组。等于 enp.zeros等于使用 mp.inter 类型。接下来把 N 的数组显示一下。可以看到创建了一个全领的数组。

4.能创建序列的函数

——arrange 函数、linspace 函数以及 python 的 range 函数

为了测试算法,有序的数列有时候也是很常用的。能创建有序数列的函数有 Python 的标准函数 range。

 

二、Numpy arrange 函数

1.range 函数

Numpy 也提供了类似 arrange 函数。He s base 函数。首先来回顾一下 Python 的 range 函数。函数形式是range,里边的参数是 starch stopwatch 和 step。它的功能是根据 starts top 范围还有 steps 设定的步长来生成一个序列。技术不包括stop。例如 range 等于  RANGE051。生成的是零到1234这五个数。

2.Numpy arrange 函数

Numpy 提供的 arrange 函数类似。与 range 函数最大的区别是,Orange 能制造出小数序列。函数形式是arrange。它的参数也是 starch stops he step。其功能就是根据 starts stops 范围以及 steps 设定的步长生成一个 DN数组。第三个函数 let space,函数格式是 mpeg less space,它的参数包括 starts top。还有一个是 number 数量。

Starch 是序列的起始点,Stopped 是序列的结束点,Number 就是在 start 和 stop 的范围当中生成的样本数比如,Rin 等于 Numpy 点 less space1到五之间生成十个,它就在一到五之间生成十个数字。

相关文章
|
2月前
|
存储 Java 数据处理
(numpy)Python做数据处理必备框架!(一):认识numpy;从概念层面开始学习ndarray数组:形状、数组转置、数值范围、矩阵...
Numpy是什么? numpy是Python中科学计算的基础包。 它是一个Python库,提供多维数组对象、各种派生对象(例如掩码数组和矩阵)以及用于对数组进行快速操作的各种方法,包括数学、逻辑、形状操作、排序、选择、I/0 、离散傅里叶变换、基本线性代数、基本统计运算、随机模拟等等。 Numpy能做什么? numpy的部分功能如下: ndarray,一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组 用于对整组数据进行快速运算的标准数学函数(无需编写循环)。 用于读写磁盘数据的工具以及用于操作内存映射文件的工具。 线性代数、随机数生成以及傅里叶变换功能。 用于集成由C、C++
348 0
|
12月前
|
计算机视觉 Python
PIL图像转换为Numpy数组:技术与案例详解
本文介绍了如何将PIL图像转换为Numpy数组,以便利用Numpy进行数学运算和向量化操作。首先简要介绍了PIL和Numpy的基本功能,然后详细说明了转换过程,包括导入库、打开图像文件、使用`np.array()`或`np.asarray()`函数进行转换,并通过打印数组形状验证转换结果。最后,通过裁剪、旋转和缩放等案例展示了转换后的应用,以及如何将Numpy数组转换回PIL图像。此外,还介绍了处理base64编码图像的完整流程。
468 4
|
Python
Numpy学习笔记(一):array()、range()、arange()用法
这篇文章是关于NumPy库中array()、range()和arange()函数的用法和区别的介绍。
890 6
Numpy学习笔记(一):array()、range()、arange()用法
|
索引 Python
Numpy学习笔记(三):np.where和np.logical_and/or/not详解
NumPy库中`np.where`和逻辑运算函数`np.logical_and`、`np.logical_or`、`np.logical_not`的使用方法和示例。
898 1
Numpy学习笔记(三):np.where和np.logical_and/or/not详解
|
机器学习/深度学习 并行计算 大数据
【Python篇】NumPy完整指南(上篇):掌握数组、矩阵与高效计算的核心技巧2
【Python篇】NumPy完整指南(上篇):掌握数组、矩阵与高效计算的核心技巧
425 10
|
Python
Numpy学习笔记(四):如何将数组升维、降维和去重
本文介绍了如何使用NumPy库对数组进行升维、降维和去重操作。
255 1
|
Python
使用 NumPy 进行数组操作的示例
使用 NumPy 进行数组操作的示例
240 2
|
Python
Numpy学习笔记(五):np.concatenate函数和np.append函数用于数组拼接
NumPy库中的`np.concatenate`和`np.append`函数,它们分别用于沿指定轴拼接多个数组以及在指定轴上追加数组元素。
704 0
Numpy学习笔记(五):np.concatenate函数和np.append函数用于数组拼接
|
机器学习/深度学习 索引 Python
Numpy学习笔记(二):argmax参数中axis=0,axis=1,axis=-1详解附代码
本文解释了NumPy中`argmax`函数的`axis`参数在不同维度数组中的应用,并通过代码示例展示了如何使用`axis=0`、`axis=1`和`axis=-1`来找到数组中最大值的索引。
1708 0
Numpy学习笔记(二):argmax参数中axis=0,axis=1,axis=-1详解附代码
|
索引 Python
【Python篇】NumPy完整指南(上篇):掌握数组、矩阵与高效计算的核心技巧1
【Python篇】NumPy完整指南(上篇):掌握数组、矩阵与高效计算的核心技巧
457 4