numpy创建数组

这篇具有很好参考价值的文章主要介绍了numpy创建数组。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

1.1numpy中的数组——创建数组

numpy中的数组,要么全是整形,要么全是字符串型,不能既有整形,又有字符串型如:

import numpy as np
b = np.array([1,2,3,'p'])
print(b)
['1' '2' '3' 'p']

以上将数字也全部转为字符串

创建数组的方法:
1.使用np.array

n1 = np.array([1,2,3,4])
print(n1)
print(type(n1))#type打印出来了n1的类型
[1 2 3 4]
<class 'numpy.ndarray'>

2.使用np.range生成数组

n2 = np.arange(10)#创建0-10的数组
n3 = np.arange(0,10,2)#创建步长为2  0-10的数组
print(n2)
print(n3)
[0 1 2 3 4 5 6 7 8 9]
[0 2 4 6 8]

3.使用np.random来创建数组

n3 = np.random.random((2,2))#得到了两行两列的随机数数组
n3
array([[0.05238728, 0.51598015],
       [0.66749968, 0.1402856 ]])

注意:(2,2)是一个元胞,[1,2]是数组

n4 = np.random.randint(0,9,size = (5,5))#创建一个五行五列的数组,每个数字为0-9之间的随机数组
n4
array([[4, 0, 3, 4, 5],
       [4, 1, 4, 6, 2],
       [5, 2, 4, 8, 6],
       [6, 7, 0, 5, 3],
       [0, 0, 0, 8, 5]])

使用函数生成特殊的数组文章来源地址https://www.toymoban.com/news/detail-523651.html

n5 = np.zeros((4,4))#四行四列的全零矩阵
n5
array([[0., 0., 0., 0.],
       [0., 0., 0., 0.],
       [0., 0., 0., 0.],
       [0., 0., 0., 0.]])
n6 = np.ones((4,4))#四行四列的全一矩阵
n6
array([[1., 1., 1., 1.],
       [1., 1., 1., 1.],
       [1., 1., 1., 1.],
       [1., 1., 1., 1.]])
n7 = np.full((2,3),4)#两行三列的全4矩阵
n7
array([[4, 4, 4],
       [4, 4, 4]])
n8 = np.eye(5)#单位矩阵生成
n8
array([[1., 0., 0., 0., 0.],
       [0., 1., 0., 0., 0.],
       [0., 0., 1., 0., 0.],
       [0., 0., 0., 1., 0.],
       [0., 0., 0., 0., 1.]])

到了这里,关于numpy创建数组的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

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: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【Python爬虫与数据分析】NumPy初阶——数组创建与访问

    目录 一、NumPy概述 二、NumPy数据类型 三、创建数组 1. numpy.array函数创建数组 2. np.arange创建数组 3. numpy.random.rand创建数组 4. numpy.random.randint创建数组 5. NumPy创建特殊数组 四、数组的属性 五、NumPy数组索引与切片 NumPy(Numerical Python的简称)是一个开源的Python科学计算库,用于对

    2024年02月13日
    浏览(52)
  • 【Python】数据科学工具(Numpy Pandas np.array() 创建访问数组 向量与矩阵 Series DataFrame)

    1.Numpy numpy是Python中一个非常重要的科学计算库,其最基础的功能就是N维数组对象——ndarray。 1.1 数组的创建 1)np.array() 用 np.array() 函数可以将Python的序列对象(如列表、元组)转换为ndarray数组。 2)arange、linspace、logspace np.arange(start, stop, step) :创建一个一维数组,其中的值

    2024年02月10日
    浏览(48)
  • Numpy-改变数组维度_数组的拼接

    处理数组的一项重要工 作就是改变数组的维度,包含提高数组的维度和降低数组的维度,还包括数组的转置Numpy 提供的大量API可以很轻松地完成这些数组的操作。 例如,通过 reshape 方法可以将一维数组变成二维、三维或者多维数组。 通过 ravel 方法或 flatten 方法可以将多维数

    2024年02月15日
    浏览(43)
  • Numpy 数组切片

    1.1、切片原理 列表切片是从原始列表中提取列表的一部分的过程。在列表切片中,我们将根据所需内容(如,从何处开始,结束以及增量进行切片)剪切列表。Python中符合序列的有序序列都支持切片(slice),例如列表,字符串,元组。 规则: 1.2、切片使用 1.2.1、获取列表

    2023年04月19日
    浏览(48)
  • 【numpy基础】--数组简介

    NumPy (Numerical Python)是一个 Python 库,主要用于高效地处理多维数组和矩阵计算。它是科学计算领域中使用最广泛的一个库。 在 NumPy 中, 数组 是最核心的概念,用于存储和操作数据。 NumPy 数组是一种多维数组对象,可以存储相同类型的元素,它支持高效的数学运算和线性

    2024年02月09日
    浏览(60)
  • Numpy数组和矩阵

    1.numpy 主要用于高维的数组运算,拥有运算速度快的 数学库 ;Numpy 支持常见的数组和矩阵操作 。Numpy 使用ndarray对象来处理多维数组 ,该对象是一个快速而灵活的大数据容器。 安装 windows: 升级 pip: 安装 Numpy库:(Ubuntu一样) 下载完成后可以在Python文件中 来测试是否安装成

    2023年04月08日
    浏览(57)
  • 一文弄懂numpy数组

    前言 学习数据分析,必绕不开numpy和pandas这两个库,numpy的ndarray数据结构和矩阵数据非常类似,最近搞科研的时候总是会用到,之前学的都忘记完了,所以,这次打算把numpy库的基本用法记录在一篇文章里,以便后面复习和使用。 ndarray多维数组创建 不要管复杂的概念,我们

    2024年02月05日
    浏览(59)
  • 【numpy基础】--数组索引

    数组索引是指在 numpy 数组中引用特定元素的方法。 numpy 的数组索引又称为 fancy indexing ,比其他编程语言的索引强大很多。 numpy的索引除了像其他语言一样选择一个元素,还可以间隔着选取多个元素,也可以用任意的顺序选取元素。 比如一维数组: 从上面的示例看出,通过

    2024年02月11日
    浏览(42)
  • NumPy数组基本用法

    Numpy是Python科学计算库,用于快速处理任意维度的数组。 NumPy提供一个N维数组类型ndarray,它描述了相同类型的“items”的集合。 numpy.ndarray支持向量化运算。 NumPy使用c语言写的,底部解除了GIL,其对数组的操作速度不在受python解释器限制。 python一个列表中可以存储多种数据类

    2024年02月09日
    浏览(45)
  • 【numpy基础】--数组排序

    numpy 数组通常是用于数值计算的多维数组,而排序功能可以快速、准确地对数据进行排序,从而得到更加清晰、易于分析的结果。 在数据分析和处理过程中,常常需要对数据进行排序,以便更好地理解和发现其中的规律和趋势。 排序会应用在很多场景中,比如: 数据分类:

    2024年02月11日
    浏览(35)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包