|||
因为画图中x轴与y轴的数据通常为数组格式的数据,所以先总结一下如何初始化数组:
(1)list得到数组
# 通过array函数传递list对象
L = [1, 2, 3, 4, 5, 6]
a = np.array(L)
# 若传递的是多层嵌套的list,将创建多维数组
b = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
# 可以通过dtype参数在创建时指定元素类型
d = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]], dtype=np.float)
# 如果更改元素类型,可以使用astype安全的转换
f = d.astype(np.int)
(2)使用arange
# 和Python的range类似,arange同样不包括终值;但arange可以生成浮点类型,而range只能是整数类型
# 1为开始值,10为终止值(不包括),0.5为步长
a = np.arange(1, 10, 0.5)
(3)使用ones、zeros、empty
# np.ones(shape, dtype),生成元素全为1(默认浮点型)的数组
# shape可以为一个整数得到一个一维数组,也可以为(整数1,整数2)的格式得到二维数组,同理可得多维数组
a = np.ones((3, 3), dtype=np.int32)
print("a: \n", a)
# np.zeros(shape, dtype),生成元素全为0(默认浮点型)的数组
# 用法与np.noes()一样
b = np.zeros((3, 3), dtype=np.int32)
print("b: \n", b)
# np.empty(shape, dtype),生成元素为随机数(默认浮点型)的数组
# 用法与np.ones()一样
c = np.empty((3, 4), dtype=np.int32)
print("c: \n", c)
# np.ones()、np.zeros()、np.empty()都具有如下形式复制一个结构一样的数组,但数据类型可选择
np.ones_like(array, dtype=)
np.zeros_like(array, dtype=)
np.empty_like(array, dtype=)
(4)等差数列
# linspace函数通过指定起始值、终止值和元素个数来创建等差数组,元素之间是等步长的
# endpoint表示是否包括终止值,默认为True
b = np.linspace(1, 10, 10,endpoint=True)
(5)等比数列
# 指定起始值、终止值、元素个数和基数来创建等比数列
# base表示基数,下式创建了一个1到4之间的有10个数的等比数列
d = np.logspace(1, 2, 10, endpoint=True, base=2)
# 基数为10,下式创建了一个10到100之间的有10个数的等比数列
d = np.logspace(1, 2, 10, endpoint=True, base=10)
(6)随机数
rand()
# 返回一个服从“0~1”均匀分布的随机数,该随机数在[0, 1)内,也可以返回一个由服从“0~1”均匀分布的随机数组成的数组。
# np.random.rand(d0, d1, …, dn)
# 返回一个随机值,随机值在[0, 1)内
In[15]: np.random.rand()
Out[15]: 0.9027797355532956
# 返回一个3x3的数组,数组元素在[0, 1)内
In[16]:np.random.rand(3,3)
Out[16]:
array([[ 0.47507608, 0.64225621, 0.9926529 ],
[ 0.95028412, 0.18413813, 0.91879723],
[ 0.89995217, 0.42356103, 0.81312942]])
In[17]: np.random.rand(3,3,3)
# 返回一个3x3x3的数组
Out[17]:
array([[[ 0.30295904, 0.76346848, 0.33125168],
[ 0.77845927, 0.75020602, 0.84670385],
[ 0.2329741 , 0.65962263, 0.93239286]],
[[ 0.24575304, 0.9019242 , 0.62390674],
[ 0.43663215, 0.93187574, 0.75302239],
[ 0.62658734, 0.01582182, 0.66478944]],
[[ 0.22152418, 0.51664503, 0.41196781],
[ 0.47723318, 0.19248885, 0.29699868],
[ 0.11664651, 0.66718804, 0.39836448]]])
randn()
# 产生标准正态分布随机数或随机数组,用法与rand(d0, d1, …, dn)方法一样
np.random.randn(d0, d1, …, dn)
randint()
# 可以生成随机数,也可以生成多维随机数组
# np.random.randint(low, high=None, size=None, dtype=)
# [0,4)之间的随机数
In[7]: np.random.randint(4)
Out[7]: 1
# [0,4)之间的一维数组
In[8]: np.random.randint(4,size=4)
Out[8]: array([2, 2, 2, 0])
# [4,10)之间的一维数组
In[9]: np.random.randint(4,10,size=6)
Out[9]: array([7, 9, 7, 8, 6, 9])
# [4,10)之间的2x2数组
np.random.randint(4,10,size=(2,2),dtype='int32')
Out[10]:
array([[7, 4],
[6, 9]])
uniform()
# 产生[low, high)之间的均匀分布随机数或随机数组,low默认为0.0,high默认为1.0
np.random.uniform(low=0.0, high=1.0, size=None)
normal()
# 产生均值为loc,方差为scale的服从正太分布的随机数或随机数组,loc默认为0,scale默认为1
np.random.normal(loc=0.0, scale=1.0, size=None)
---------------------
作者:watermelon12138
来源:CSDN
原文:https://blog.csdn.net/watermelon12138/article/details/85368620
版权声明:本文为博主原创文章,转载请附上博文链接!
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-9-11 01:21
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社