最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

Numpy創(chuàng)建數(shù)組和隨機(jī)數(shù)組的方法小結(jié)

 更新時(shí)間:2023年11月22日 09:12:08   作者:阿桐木123  
這篇文章主要為大家詳細(xì)介紹了Numpy創(chuàng)建數(shù)組和隨機(jī)數(shù)組的方法小結(jié),文中的示例代碼講解詳細(xì),對(duì)我們學(xué)習(xí)Python有一定幫助,具有一定的參考價(jià)值,需要的可以參考一下

numpy.random官方文檔

一、創(chuàng)建數(shù)組

1.Numpy.array()

numpy.array(object,dtype=None,copy=True,order=None,ndmin=0)

參數(shù):

  • object:表示一個(gè)數(shù)組序列
  • dtype: 通過它可以更改數(shù)組的數(shù)據(jù)類型,可以自填參數(shù)
  • copy: 表示數(shù)組能否被復(fù)制,默認(rèn)值為True
  • order: 以哪種內(nèi)存布局創(chuàng)建數(shù)組,有 3 個(gè)可選值,分別是 C(行序列)/F(列序列)/A(默認(rèn))
  • ndmin: 用于指定數(shù)組的維度

例子:

1.

a = np.array([127, 128, 129], dtype=np.int8)
>>> a
array([ 127, -128, -127], dtype=int8)

2.

a = np.array([2, 3, 4], dtype=np.uint32)
>>> b = np.array([5, 6, 7], dtype=np.uint32)
>>> c_unsigned32 = a - b
>>> print('unsigned c:', c_unsigned32, c_unsigned32.dtype)
unsigned c: [4294967293 4294967293 4294967293] uint32
>>> c_signed32 = a - b.astype(np.int32)
>>> print('signed c:', c_signed32, c_signed32.dtype)
signed c: [-3 -3 -3] int64

2.Numpy.arrange()

注意:numpy.arange的最佳實(shí)踐是使用整數(shù)開始、結(jié)束和步進(jìn)值。關(guān)于dtype有一些微妙之處。在第二個(gè)示例中,定義了dtype。在第三個(gè)示例中,數(shù)組是dtype=float,以適應(yīng)0.1的步長。由于四舍五入錯(cuò)誤,有時(shí)包括停止值。

np.arange(10)
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> np.arange(2, 10, dtype=float)
array([2., 3., 4., 5., 6., 7., 8., 9.])
>>> np.arange(2, 3, 0.1)
array([2. , 2.1, 2.2, 2.3, 2.4, 2.5, 2.6, 2.7, 2.8, 2.9])

3.常用的生成方法

np.zeros((2, 3))
array([[0., 0., 0.],
       [0., 0., 0.]])
>>> np.zeros((2, 3, 2))
array([[[0., 0.],
        [0., 0.],
        [0., 0.]],

       [[0., 0.],
        [0., 0.],
        [0., 0.]]])

Ndarray創(chuàng)建函數(shù),例如numpy.ones、numpy.zeros和隨機(jī)定義基于所需形狀的數(shù)組。Ndarray創(chuàng)建函數(shù)可以通過指定元組或列表中該維度的維度和長度來創(chuàng)建具有任何維度的數(shù)組。

Numpy.zeros將創(chuàng)建一個(gè)充滿指定形狀的0值的數(shù)組。默認(rèn)的dtype是float64:

np.ones((2, 3))
array([[1., 1., 1.],
       [1., 1., 1.]])
>>> np.ones((2, 3, 2))
array([[[1., 1.],
        [1., 1.],
        [1., 1.]],

       [[1., 1.],
        [1., 1.],
        [1., 1.]]])

二、隨機(jī)數(shù)組

1. random函數(shù)

random函數(shù)是最常見的生成隨機(jī)數(shù)的方法,用于在區(qū)間[0,1)中生成均勻分布的隨機(jī)數(shù)或隨機(jī)數(shù)數(shù)組。

print('生成10個(gè)隨機(jī)數(shù)組:',np.random.random(10))
生成10個(gè)隨機(jī)數(shù)組: [0.78403643 0.86951582 0.46432236 0.60289239 0.47522589 0.47570346
 0.08911971 0.60222356 0.09509883 0.39883192]

2. rand函數(shù)

本函數(shù)可以返回一個(gè)或一組服從“0~1”均勻分布的隨機(jī)樣本值。隨機(jī)樣本取值范圍是[0,1),不包括1。

np.random.rand(d0,d1,d2……dn) 
np.random.rand(2,3)
array([[0.48142724, 0.47994795, 0.3866318 ],
       [0.11259652, 0.97729317, 0.21072319]])

3. randn() 函數(shù)

np.random.randn(d0, d1, d2, ..., dn)是一個(gè)NumPy函數(shù),用于生成服從標(biāo)準(zhǔn)正態(tài)分布(均值為0,標(biāo)準(zhǔn)差為1)的隨機(jī)數(shù)的數(shù)組。

這個(gè)函數(shù)可以有不同的使用方式:

  • 如果沒有參數(shù),函數(shù)返回一個(gè)單個(gè)的浮點(diǎn)數(shù)。
  • 如果函數(shù)括號(hào)內(nèi)有一個(gè)參數(shù),函數(shù)返回一個(gè)一維數(shù)組,其秩為1。需要注意的是,該數(shù)組不能表示向量或矩陣,僅表示一維數(shù)據(jù)。
  • 如果函數(shù)括號(hào)內(nèi)有兩個(gè)或多個(gè)參數(shù),函數(shù)返回具有對(duì)應(yīng)維度的數(shù)組,可以表示向量或矩陣。
  • 另外,np.random.standard_normal()函數(shù)與np.random.randn()類似,但是它的輸入?yún)?shù)是一個(gè)元組(tuple)。

總結(jié)一下:

  • np.random.randn()生成服從標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)數(shù)數(shù)組。
  • 使用不同數(shù)量的參數(shù)可以控制生成數(shù)組的維度。
  • np.random.standard_normal()是一種類似的函數(shù),但接受一個(gè)元組作為參數(shù)。
np.random.randn(2,3)
array([[-0.23037688, -0.95561502,  0.49889129],
       [ 1.75961354, -0.59473613, -2.66341955]])

4. randint() 函數(shù)

np.random.randint(low, high=None, size=None, dtype=int)是一個(gè)NumPy函數(shù),用于生成指定范圍內(nèi)的隨機(jī)整數(shù)數(shù)組。

該函數(shù)的格式如下:

  • 參數(shù)low表示生成隨機(jī)整數(shù)的最小值。
  • 參數(shù)high表示生成隨機(jī)整數(shù)的最大值(不包含在結(jié)果中)。如果未提供high參數(shù),則默認(rèn)范圍為[0, low)。
  • 參數(shù)size是可選的,用于指定生成的隨機(jī)整數(shù)數(shù)組的維度。如果未設(shè)置size,則僅生成一個(gè)隨機(jī)整數(shù)。如果想生成多個(gè)隨機(jī)整數(shù),可以使用一個(gè)元組來指定數(shù)組的維度信息。
  • 參數(shù)dtype是可選的,表示生成的隨機(jī)整數(shù)的數(shù)據(jù)類型,默認(rèn)為np.int

總結(jié)一下:

  • np.random.randint()可以生成指定范圍內(nèi)的隨機(jī)整數(shù)數(shù)組。
  • 可以通過設(shè)置lowhigh參數(shù)來指定生成隨機(jī)整數(shù)的范圍。
  • 可以使用size參數(shù)來指定生成的隨機(jī)整數(shù)數(shù)組的維度。
  • dtype參數(shù)可以用來指定生成的隨機(jī)整數(shù)的數(shù)據(jù)類型。
np.random.randint(1,9,size = [2,3])
array([[2, 8, 3],
       [6, 4, 6]])

以上就是Numpy創(chuàng)建數(shù)組和隨機(jī)數(shù)組的方法小結(jié)的詳細(xì)內(nèi)容,更多關(guān)于Numpy創(chuàng)建數(shù)組和隨機(jī)數(shù)組的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章!

相關(guān)文章

  • 使用Python設(shè)置、更改及移除Word文檔密碼

    使用Python設(shè)置、更改及移除Word文檔密碼

    給Word文檔設(shè)置打開密碼是常見的Word文檔加密方式,如果我們需要對(duì)大量的Word文檔進(jìn)行加密、解密處理,Python是一個(gè)不錯(cuò)的選擇,本文將介紹如何使用Python設(shè)置、更改或移除Word文檔的加密,需要的朋友可以參考下
    2024-03-03
  • python?request要求接口參數(shù)必須是json數(shù)據(jù)的處理方式

    python?request要求接口參數(shù)必須是json數(shù)據(jù)的處理方式

    這篇文章主要介紹了python?request要求接口參數(shù)必須是json數(shù)據(jù)的處理方式,Reqeusts支持以form表單形式發(fā)送post請(qǐng)求,只需要將請(qǐng)求的參數(shù)構(gòu)造成一個(gè)字典,然后傳給requests.post()的data參數(shù)即可,本文通過實(shí)例代碼給大家介紹的非常詳細(xì),需要的朋友參考下吧
    2022-08-08
  • Python獲取當(dāng)前時(shí)間的方法

    Python獲取當(dāng)前時(shí)間的方法

    這篇文章主要介紹了Python獲取當(dāng)前時(shí)間的方法,有需要的朋友可以參考一下
    2014-01-01
  • pytorch之關(guān)于PyTorch結(jié)構(gòu)介紹

    pytorch之關(guān)于PyTorch結(jié)構(gòu)介紹

    這篇文章主要介紹了pytorch之關(guān)于PyTorch結(jié)構(gòu)的使用方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2023-09-09
  • Flask??使用Gunicorn部署服務(wù)介紹

    Flask??使用Gunicorn部署服務(wù)介紹

    這篇文章主要分享了?Flask??使用Gunicorn部署服務(wù)介紹,F(xiàn)lask?雖然自帶?Web?服務(wù)器,但是該服務(wù)器性能較低,是單進(jìn)程單線程模型,原本是供開發(fā)測試使用。所以我們?cè)谏a(chǎn)環(huán)境中需要使用?Gunicorn?這樣高性能服務(wù)器部署Flask服務(wù),想了解更多內(nèi)容,請(qǐng)參考下面詳細(xì)內(nèi)容
    2021-11-11
  • Pytorch之ToPILImage()不輸出圖片問題及解決

    Pytorch之ToPILImage()不輸出圖片問題及解決

    這篇文章主要介紹了Pytorch之ToPILImage()不輸出圖片問題及解決方案,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2024-02-02
  • matplotlib畫圖之修改坐標(biāo)軸刻度問題

    matplotlib畫圖之修改坐標(biāo)軸刻度問題

    這篇文章主要介紹了matplotlib畫圖之修改坐標(biāo)軸刻度問題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2022-11-11
  • Pytorch通過保存為ONNX模型轉(zhuǎn)TensorRT5的實(shí)現(xiàn)

    Pytorch通過保存為ONNX模型轉(zhuǎn)TensorRT5的實(shí)現(xiàn)

    這篇文章主要介紹了Pytorch通過保存為ONNX模型轉(zhuǎn)TensorRT5的實(shí)現(xiàn),具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧
    2020-05-05
  • Python依賴管理及打包工具Poetry使用規(guī)范

    Python依賴管理及打包工具Poetry使用規(guī)范

    這篇文章主要為大家介紹了Python依賴管理及打包工具Poetry的依賴規(guī)范,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步
    2021-09-09
  • Python使用Matlab命令過程解析

    Python使用Matlab命令過程解析

    這篇文章主要介紹了Python使用Matlab命令過程解析,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下
    2020-06-06

最新評(píng)論

靖西县| 三明市| 二连浩特市| 花莲县| 泽库县| 红安县| 绥中县| 乳山市| 色达县| 雷州市| 黔南| 濉溪县| 威海市| 石屏县| 宁都县| 肥西县| 平阴县| 会泽县| 罗城| 平和县| 宣汉县| 奇台县| 桃江县| 鄂托克前旗| 苍山县| 休宁县| 新乐市| 井研县| 荣成市| 西城区| 电白县| 高州市| 那曲县| 嵊州市| 南平市| 固始县| 绥德县| 海城市| 和硕县| 昌吉市| 新民市|