numpy的arange函数与reshape函数

这篇具有很好参考价值的文章主要介绍了numpy的arange函数与reshape函数。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。

import numpy as np
# 可以用 as len使用别名,与C++中的using有异曲同工之妙; 

a = np.arange(5,20).reshape(3, -1)
# arange(start,)用于生成一维数组
# reshape()将一维数组转换为多维数组

# np.arange([start, ]stop, [step, ]dtype=None)

#     参数解释:
#     start:起点值;可忽略不写,默认从0开始
#     stop:终点值;生成的元素不包括结束值
#     step:步长;可忽略不写,默认步长为1
#     dtype:默认为None,设置显示元素的数据类型
#     不同参数个数情况介绍:
#         一个参数时,参数值为终点值,起点取默认值0,步长取默认值1。
#         两个参数时,第一个参数为起点值,第二个参数为终点,步长取默认值1。
#          三个参数时,第一个参数为起点,第二个参数为终点,第三个参数为步长,其中步长支持小数。


reshape()函数用于在不更改数据的情况下为数组赋予新形状。

1. 语法
numpy.reshape(a, newshape, order=‘C’)


a

reshape函数的参数说明:numpy的arange函数与reshape函数,numpy模块,python

a.reshape(m,n)表示将原有数组a转化为一个m行n列的新数组,a自身不变。m与n的乘积等于数组中的元素总数

reshape(m,n)中参数m或n其中一个可写为"-1","-1"的作用在于计算机根据原数组中的元素总数自动计算行或列的值。

举例:

# Numpy的数组类被称作ndarray(应当是n维数组的缩写)。常被称作数组。

import numpy as np
# 可以用 as 使用别名,与C++中的using有异曲同工之妙; 

a = np.arange(5,20).reshape(3, -1)
# arange(start,)用于生成一维数组
# reshape()将数组转换为多维数组
print(a)

b = np.arange(10, 20)
b
print(b)
print("只含一个参数,默认从0开始的一维数组: ", np.arange(10))
print("只含两个参数,从起点开始到终点(不包含终点)的一维数组: ", np.arange(5,20))
print("含三个参数,从起点开始到终点(不包含终点),步长为设定值的一维数组: ", np.arange(1, 20, 2))

print("数组的维度(shape):", a.shape)
print("数组轴的个数(矩阵的秩)(ndim):", a.ndim)
print("数组元素的总个数(size):", a.size)
print("一个用来描述数组中元素类型的对象(dtype):", a.dtype)
print("数组中每个元素的字节大小(itemsize):", a.itemsize)
print(type(a))

print("三行五列:", a.reshape(3, 5))
print("五行三列:", a.reshape(5, -1))

 输出结果:

[[ 5  6  7  8  9]
 [10 11 12 13 14]
 [15 16 17 18 19]]
[10 11 12 13 14 15 16 17 18 19]
只含一个参数,默认从0开始的一维数组:  [0 1 2 3 4 5 6 7 8 9]
只含两个参数,从起点开始到终点(不包含终点)的一维数组:  [ 5  6  7  8  9 10 11 12 13 14 15 16 17 18 19]
含三个参数,从起点开始到终点(不包含终点),步长为设定值的一维数组:  [ 1  3  5  7  9 11 13 15 17 19]
数组的维度(shape): (3, 5)
数组轴的个数(矩阵的秩)(ndim): 2
数组元素的总个数(size): 15
一个用来描述数组中元素类型的对象(dtype): int32
数组中每个元素的字节大小(itemsize): 4
<class 'numpy.ndarray'>
三行五列: [[ 5  6  7  8  9]
 [10 11 12 13 14]
 [15 16 17 18 19]]
五行三列: [[ 5  6  7]
 [ 8  9 10]
 [11 12 13]
 [14 15 16]
 [17 18 19]]

 参考资料:

Python reshape() 函数用法_pd.reshape-CSDN博客

numpy库常用函数——np.arange()函数-CSDN博客文章来源地址https://www.toymoban.com/news/detail-790646.html

到了这里,关于numpy的arange函数与reshape函数的文章就介绍完了。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

  • 28 Python的numpy模块

    概述         在上一节,我们介绍了Python的requests模块,包括:发送POST请求、发送GET请求、设置请求头、会话管理等内容。在这一节,我们将介绍Python的numpy模块。numpy模块是Python的一个非常重要的科学计算库,它提供了多维数组对象,以及一系列操作这些数组的函数。

    2024年02月08日
    浏览(37)
  • python 安装、配置、使用 xlrd模块、numpy模块、matplotlib、opencv模块

    目录  一、xlrd模块 (一)安装xlrd模块 (二) pycharm 配置xlrd (三) 读取xls格式 (四)xlrd读取时间日期时,会是float类型,需要转换。 二、numpy模块  (一)numpy模块安装---使用清华大学镜像进行安装即可 (二)pycharm配置时,numpy安装失败,且代码中出现 No module named \\\'numpy\\\' (1)

    2024年02月09日
    浏览(44)
  • OpenCV之reshape函数

    函数原型:  cn表示通道数,默认为0,表示跟原图通道数一致, rows表示行数,rows默认为0表示跟原图排列一致; 若原图大小为MxN 当rows=1时,输出矩阵为1x(M*N); 当rows=M*N时,输出 (M*N)x1。 测试1: 输出:  测试2: 输出:

    2024年02月11日
    浏览(29)
  • OpenCV reshape函数

    在opencv中,reshape函数比较有意思,它既可以改变矩阵的通道数,又可以对矩阵元素进行序列化,非常有用的一个函数。 函数原型: 参数比较少,但设置的时候却要千万小心。 cn: 表示通道数(channels), 如果设为0,则表示保持通道数不变,否则则变为设置的通道数。 rows: 表示矩

    2024年02月09日
    浏览(30)
  • 深入浅出TensorFlow2函数——tf.reshape

    分类目录:《深入浅出TensorFlow2函数》总目录 语法 参数 返回值 返回一个新的形状为 shape 的 tf.Tensor 且具有与 tensor 以同样的顺序和相同的值。 实例 输入: 如果 shape 的一个参数为是 -1 ,则计算该维度的大小,使总大小保持不变。特别是,若 shape 为 [-1] ,则将 tensor 展平为一

    2024年02月11日
    浏览(57)
  • 【Python 零基础入门】Numpy 常用函数 通用函数 & 保存加载

    Numpy (Numerical Python) 是 Python 编程语言的一个扩展程序库, 支持大量的维度数组与矩阵运算, 并提供了大量的数学函数库. Numpy 利用了多线程数组来存储和处理大型数据集, 从而提供了一个高效的方式来进行数值计算, 特别是对于矩阵预算和线性代数. 通用函数 (Ufuncs) 是 numpy 的核

    2024年02月05日
    浏览(64)
  • Python学习(2)-NumPy矩阵与通用函数

    文章首发于:My Blog 欢迎大佬们前来逛逛 data:表示输入的 数组 或者 字符串 ,使用‘,’分割列,使用‘;’分割行 创建两个普通的矩阵: 需要注意:mat创建的矩阵是不会产生副本的,即 共享内存 : matrix也是创建矩阵的: data:数组或者字符串,与mat一样 copy:表示创建

    2024年03月25日
    浏览(31)
  • Python numpy中random函数的使用

    np.random:随机数的生成 np.random.random() np.random.random(size) np.random.random([m,n])或np.random.random((m,n)) np.random.rand(m,n) 与np.random.random((m,n))作用一样,但是参数形式不同。 np.random.randint(a,b,size) np.random.uniform(a,b,size) np.random.normal():均值为0,标准差为1【无参默认值】 np.random.normal(a,b) n

    2023年04月08日
    浏览(34)
  • python实战应用讲解-【numpy科学计算】line_profiler模块(附python示例代码)

    目录   Numpy 安装line_profiler 准备工作 具体步骤 Numpy 用line_profiler分析代码 具体步骤 攻略小结

    2023年04月08日
    浏览(51)
  • Python Numpy 关于 linspace()函数 使用详解(全)

    用plt画图的时候,偶尔会看到这个函数的出现,索性直接深入源码实战进行复现 主要功能 :在线性区域中生成等间距的序列,原先在Numpy中可以用 numpy.arange() ,但对于浮点数会有精度丢失,因此 linspace() 对于浮点数比较友好。适当的参数,两者都可选择。 具体源码: numpy

    2024年02月05日
    浏览(49)

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