1. numpy.array()
-
该方法可以直接定义一个向量或矩阵
-
测试代码
1import numpy as np 2 3vector = np.array([1, 2, 3, 4]) 4metrix = np.array([[1, 2, 3, 4], [5, 6, 7, 8]]) 5 6print(vector) 7print(metrix) -
结果
1[1 2 3 4] 2[[1 2 3 4] 3 [5 6 7 8]]
2. numpy.arange()
-
可以定义等距向量或矩阵
-
测试代码
1import numpy as np 2 3# 定义向量 4# [0, 15)间距为1的向量 5a = np.arange(15) 6# [10, 30)间距为5的向量 7b = np.arange(10, 30, 5) 8 9# 定义矩阵，reshape可以修改矩阵结构 10c = np.arange(15).reshape(3, 5) 11 12print(a) 13print(b) 14print(c) -
结果
1[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14] 2[10 15 20 25] 3[[ 0 1 2 3 4] 4 [ 5 6 7 8 9] 5 [10 11 12 13 14]]
3. np.zeros()
-
可以定义数据全为0的向量或矩阵
-
测试代码
1import numpy as np 2 3# 向量 4# dtype指定数据类型，默认为numpy.float64 5a = np.zeros(3, dtype=np.int32, ) # a = np.zeros((3)) 6# 矩阵 7b = np.zeros((2, 3)) 8 9print(a) 10print(b) -
结果
1[0 0 0] 2[[0. 0. 0.] 3 [0. 0. 0.]]
4. np.ones()
-
可以定义数据全为1的向量或矩阵
-
测试代码
1import numpy as np 2 3# 向量 4# dtype指定数据类型，默认为numpy.float64 5a = np.ones(3, dtype=np.int32, ) # a = np.ones((3)) 6# 矩阵 7b = np.ones((2, 3)) 8 9print(a) 10print(b) -
结果
1[1 1 1] 2[[1. 1. 1.] 3 [1. 1. 1.]]
5. numpy.random.random()
-
测试代码
1import numpy as np 2 3# 向量 4# 产生3个[0, 1)之间的数组成的向量 5a = np.random.random(3) 6# 产生3个[0, 10)之间的数组成的向量 7b = 10 * np.random.random(3) 8 9# 矩阵 10c = np.random.random((3, 2)) 11 12print(a) 13print(b) 14print(c) -
结果
1[0.13145229 0.3579447 0.73169757] 2[8.71034733 7.23799586 7.32234672] 3[[0.38781208 0.71026693] 4 [0.70824702 0.84315752] 5 [0.55963861 0.72510996]]
6. numpy.linspace()
-
定义由区间中固定等距元素组成的向量或矩阵
-
测试代码
1import numpy as np 2 3# 向量 4# 定义由6个[0, 2*pi)之间等距数据组成的向量 5a = np.linspace(0, 2*np.pi, 6) 6# 矩阵 7b = a.reshape(2, 3) 8 9print(a) 10print(b) -
结果
1[0. 1.25663706 2.51327412 3.76991118 5.02654825 6.28318531] 2[[0. 1.25663706 2.51327412] 3 [3.76991118 5.02654825 6.28318531]]