numpy创建维数组

简介: numpy创建维数组

一,numpy创建一维数组

1.1.np.array()

# 创建一维数组

a=np.array([1,2,3,4,5])

print(a)

1.2.np.arange() # 创建等差数组

b=np.arange(0,6,2)

print(b)

 


1.3.np.linspace() #生成10个数,范围为[1,10],满足等差数列

y,c=np.linspace(1,2,3,endpoint=True,retstep=True)#start, stop, num=50, endpoint=True, retstep=False, dtype=None,axis=0

print(y,c)

1.4.numpy.logspace()

#以base为2的指数为底,生成10个数,范围为[1,10],满足等比数列

d=np.logspace(1,10,10,base=2)

print(d)

二,numpy创建二维数组

2.1.numpy.array(object, dtype=None, copy=True, order='K', subok=False, ndmin=0)

# 创建一个数组,将输入对象转换为数组。

# 如果输入对象是列表,元组或数组,则创建一个数组,并将输入对象中的元素复制到数组中。


arr = np.array([[1, 2, 3], [4, 5, 6]])

print(arr)

print(arr.shape)

2.2.numpy.identity(n, dtype=None)

#返回一个n x n的单位矩阵。单位矩阵是指对角线元素为1,其他元素为0的矩阵。

#如果n是正整数,则返回一个n x n的单位矩阵。如果n是负整数,则返回一个n x n的对角线元素为1,其他元素为0的矩阵。


b=np.identity(3)

print(b)

2.3.numpy.eye(N, M=None, k=0, dtype=<class 'numpy.float64'>)


#返回一个N x M的单位矩阵,其中k指定了对角线的位置。

#如果M是None,则默认为N。如果k是正整数,则返回一个N x N的单位矩阵,其中k的行和列上的值为1,其他元素为0。

c=np.eye(3,4,k=1)

print(c)

print(c.shape)

2.4.numpy.diag(v, k=0)

返回一个对角线元素为v的N x N矩阵,其中k指定了对角线的位置。

如果v是一维数组,则返回一个对角线元素为v的N x N矩阵,其中k的行和列上的值为v[k],其他元素为0。

#如果v是N x 1或1 x N数组,则返回一个对角线元素为v的N x N矩阵。

d=np.diag([1,2,3,4,5])

print(d)#输出对角线元素为[1,2,3,4,5,6,7]的矩阵

e=np.diag([1,2,3,4,5,6,7],k=1)

print(e)#输出对角线元素为[0,1,2,3,4,5,6]的矩阵

 arr1=np.array([[1,2,3],[4,5,6],[7,8,9]])

f=np.diag(arr1)

print(f)#输出arr1的对角线元素构成的矩阵,[1 5 9]

相关文章
|
2月前
|
索引 Python
NumPy 教程 之 Numpy 数组操作 28
NumPy 提供多种数组操作功能,包括修改形状、翻转、连接和分割等。本教程重点介绍元素的添加与删除,如使用 `resize`、`append`、`insert` 和 `delete` 函数。其中 `numpy.insert` 可在指定索引前插入值,支持标量或数组插入。示例展示了不同情况下 `insert` 的使用方法,包括不指定轴时的数组扁平化插入,以及沿特定轴进行广播插入。
32 2
|
2月前
|
数据处理 索引 Python
NumPy 数组操作:和普通操作相较,到底蕴含着怎样令人费解的独特魅力?
【8月更文挑战第19天】NumPy是Python科学计算核心库,提供高效数组操作。不同于Python列表直接列举创建,NumPy用`np.array()`创建数组。两者都支持索引和切片,但NumPy性能更优。数学运算方面,NumPy支持简洁的向量化操作,如`my_array * 2`,无需循环。NumPy还简化了数组形状变换,如使用`reshape()`方法。此外,NumPy数组要求元素类型一致,提高了内存使用效率和计算速度。这些特点使NumPy在科学计算和数据分析中不可或缺。
28 0
|
6天前
|
Python
numpy | 插入不定长字符数组测试OK
本文介绍了如何在numpy中创建和操作不定长字符数组,包括插入和截断操作的测试。
|
5天前
|
API Python
Numpy 数组的一些集合操作
Numpy 数组的一些集合操作
13 0
|
5天前
|
编译器 Linux API
基于类型化 memoryview 让 Numpy 数组和 C 数组共享内存
基于类型化 memoryview 让 Numpy 数组和 C 数组共享内存
13 0
|
2月前
|
存储 缓存 C语言
|
2月前
|
索引 Python
|
2月前
|
索引 Python
NumPy 快速入门:数组操作基础
【8月更文第30天】NumPy 是 Python 中一个非常重要的科学计算库,它提供了高性能的多维数组对象以及用于操作这些数组的工具。NumPy 数组(也称为 `ndarray`)是 NumPy 库的核心,它比 Python 内置的列表类型更高效,特别是在处理大型数据集时。本文将介绍 NumPy 数组的基本概念、创建方法以及一些常用的数组操作。
19 2
|
2月前
|
Python
NumPy 教程 之 Numpy 数组操作 29
NumPy 提供多种数组操作函数,如修改形状、翻转和连接等。本教程重点介绍元素的添加与删除,包括 `resize`、`append`、`insert` 和 `delete` 函数。`numpy.delete` 用于从数组中删除指定元素,参数包括 `arr`(输入数组)、`obj`(待删元素)和 `axis`(删除轴)。示例展示了如何使用 `numpy.delete` 删除一维和二维数组中的元素。
32 4
|
2月前
|
数据挖掘 索引 Python
NumPy 教程 之 Numpy 数组操作 30
展示了如何使用`numpy.unique`去除数组中的重复值,并获取额外信息如索引和计数。示例中,数组`a`的重复值被去除,打印出唯一值及其在原数组中的首次出现索引、对应原值的索引以及各唯一元素的出现次数。这有助于数据分析时简化数据集。
30 2
下一篇
无影云桌面