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
|
3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。
38 2
|
3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。
32 0
|
1月前
|
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。
34 1
|
1月前
|
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
69 10
|
1月前
|
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。
27 0
Numpy学习笔记(五):np.concatenate函数和np.append函数用于数组拼接
|
1月前
|
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
|
1月前
|
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
87 4
|
1月前
|
机器学习/深度学习 并行计算 调度
CuPy:将 NumPy 数组调度到 GPU 上运行
CuPy:将 NumPy 数组调度到 GPU 上运行
61 1
|
2月前
|
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。
|
2月前
|
API Python
Numpy 数组的一些集合操作
Numpy 数组的一些集合操作
31 0