调用
import numpy as np
与列表和普通数组的比较
列表
L =[i for i in range(10)]
L
output:[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
L[5]="ML"
L
output:[0, 1, 2, 3, 4, 'ML', 6, 7, 8, 9]
列表可以存储任何数据类型,但是代价是速度慢。
数组
数组只能存储指定类型，例如：
arr= array.array('i',[i for i in range(10)])
代表存10个int型的元素
numpy.array
它很快，并且支持向量运算。
nparr = np.array([i for i in range(10)])
nparr[5]
output:5
它可以接受类型兼容，比如int和float就会兼容成float。
np.zeros(10)
生成10个0，默认为浮点型
np.zeros(10,dtype=int)
生成10个整型的0
np.zeros(shape=(3,5),dtype=int)
生成矩阵，类型为int型
output:
array([[0, 0, 0, 0, 0],
[0, 0, 0, 0, 0],
[0, 0, 0, 0, 0]])
np.ones(10)
output:
array([1., 1., 1., 1., 1., 1., 1., 1., 1., 1.])
np.full((3,5),666)
output：
array([[666, 666, 666, 666, 666],
[666, 666, 666, 666, 666],
[666, 666, 666, 666, 666]])
一般使用full函数时会显式给参数赋值，类似这样：
np.full(fill_value=12,shape=10)
arange
类似于python里的range，不过它的步长支持浮点数
np.arange(0,20,2)
np.arange(0,1,0.2)
output：array([0. , 0.2, 0.4, 0.6, 0.8])
linspace
包含起始点和终止点，第三个参数不是步长，而是要截多少个数‘
np.linspace(10,20,10)
out:array([10. , 11.11111111, 12.22222222, 13.33333333, 14.44444444,
15.55555556, 16.66666667, 17.77777778, 18.88888889, 20. ])
np.random.randint
生成随机整数
np.random.randint(0,10,10)
out:array([9, 0, 8, 3, 7, 2, 1, 3, 5, 5])
np.random.randint(4,8,size=(3,5))
out:
array([[4, 6, 5, 6, 6],
[6, 5, 6, 4, 5],
[7, 6, 7, 4, 7]])
随机数种子：给定了随机数种子，生成的随机数就固定了
np.random.seed(666)
np.random.random()
生成0到1之间的随机数
np.random.normal()
生成符合均值为0，方差为1的随机数
np.random.normal(10,100)
生成均值为10，方差为100的随机数
np.random.normal?询问该函数的使用方法
也可以用help(np.random.normal)
|