numpy重新学习系列(10)---如何用np.arange生成均匀间隔分布的array

简介: numpy重新学习系列(10)---如何用np.arange生成均匀间隔分布的array

   '''

   numpy.arange

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

   Return evenly spaced values within a given interval.

   Values are generated within the half-open interval [start, stop) (in other words, the interval including start but excluding stop). For integer arguments the function is equivalent to the Python built-in range function, but returns an ndarray rather than a list.

   When using a non-integer step, such as 0.1, the results will often not be consistent. It is better to use numpy.linspace for these cases.

   Parameters

   start  number, optional

   Start of interval. The interval includes this value. The default start value is 0.

   stop  number

   End of interval. The interval does not include this value, except in some cases where step is not an integer and floating point round-off affects the length of out.

   step  number, optional

   Spacing between values. For any output out, this is the distance between two adjacent values, out[i+1] - out[i]. The default step size is 1. If step is specified as a position argument, start must also be given.

   dtype dtype

   The type of the output array. If dtype is not given, infer the data type from the other input arguments.

   Returns

   arangend array

   Array of evenly spaced values.

   For floating point arguments, the length of the result is ceil((stop - start)/step). Because of floating point overflow, this rule may result in the last element of out being greater than stop.

   '''


    # 作用是返回均匀分布的array,从开始到结束的数字,按照step的间隔


   # 1. 生成规则是按照从start的数字开始,但是不包含stop的数字


   # 2. 如果setp是整数的话,用法将会和range一样,只是一个返回的是python的list类型,一个返回的是array


   # 3. 如果step是非整数的话,返回的结果经常是不稳定的,最好是使用numpy.linspace代替

   #### 参数说明


   # start 可选参数,默认是0,开始的数字


   # stop  必选参数,结束的数字,一般情况下不包括这个数字,如果step是float的类型的话,最后结束的时候,四舍五入可能会超过这个数字


   # step  可选参数,默认是1 间隔的数字,两个数字之差,如果step作为位置参数的话,start也必须给出。


   # dtype 可选参数,返回的是数据的类型,如果没有指定,将会推断给出。


import numpy as np
# 只使用stop这个必要参数
print(np.arange(10))
# 使用前两个参数
print(np.arange(1,8))
# 使用前三个参数
print(np.arange(1,8,3))
# 使用数据类型参数
print(np.arange(1,8,2,"float"))
'''
[0 1 2 3 4 5 6 7 8 9]
[1 2 3 4 5 6 7]
[1 4 7]
[1. 3. 5. 7.]
'''


目录
相关文章
|
7月前
|
数据采集 机器学习/深度学习 数据可视化
深入学习NumPy库在数据分析中的应用场景
深入学习NumPy库在数据分析中的应用场景
|
索引 Python
数据科学:Numpy、Pandas、Matplotlib学习(更新ing...)
数据科学:Numpy、Pandas、Matplotlib学习(更新ing...)
92 0
|
7月前
|
存储 算法 数据挖掘
NumPy 数组学习手册:6~7
NumPy 数组学习手册:6~7
65 0
|
数据处理 Python
AttributeError: module ‘numpy‘ has no attribute ‘array‘解决办法
AttributeError: module ‘numpy‘ has no attribute ‘array‘解决办法
853 0
|
2月前
|
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。
61 6
Numpy学习笔记(一):array()、range()、arange()用法
|
7月前
|
数据可视化 Linux Python
NumPy 随机数据分布与 Seaborn 可视化详解
数据分布是指数据集中所有可能值出现的频率,并用概率来表示。它描述了数据取值的可能性。 Seaborn 是一个基于 Matplotlib 的 Python 数据可视化库,用于创建统计图表。它提供了一系列高级绘图函数,可以轻松创建美观且信息丰富的统计图形。
|
7月前
|
存储 索引 Python
python学习——NumPy数值计算基础
NumPy基础知识概览:涉及nan(非数字)和inf(无穷)的概念,nan在文件读取或不适当计算时出现,inf在除0操作中出现。数组操作有深拷贝(a=b.copy())、浅拷贝(a=b[:])和引用(a=b)。创建数组方式多样,如`np.array()`、`np.arange()`等。数据类型转换如`np.float64()`、`np.int8()`。随机数生成包含均匀分布、正态分布等。数组索引和切片支持多维操作。改变数组形状用`reshape()`,展平用`ravel()`和`flatten()`。矩阵运算包括加减乘、转置、逆矩阵等。
87 2
python学习——NumPy数值计算基础
|
7月前
|
数据可视化 Linux Python
NumPy 随机数据分布与 Seaborn 可视化详解
本文介绍了数据分布的概念,它是统计学和数据科学的基础,描述了数据可能出现的频率。NumPy的`random`模块支持生成不同分布的随机数,如`choice`用于离散分布,`randn`和`rand`等用于连续分布。此外,还介绍了数组的随机洗牌和排列。通过Seaborn库,可以创建统计图表,如`distplot()`函数用于绘制数据分布图,包括正态分布和自定义分布。最后,文章提供了相关练习及解决方案。
207 0
|
7月前
|
存储 数据挖掘 Linux
NumPy 数组学习手册:1~5
NumPy 数组学习手册:1~5
89 0
|
机器学习/深度学习 数据处理 计算机视觉
python Numpy实践学习
python Numpy实践学习
46 1