NumPy 如何生成多维数组的方法如何生成多维数组的方法
Python现在是最热门的人工智能语言，各种工具的支持如Google的Tensorflow，都是首选支持Python的。
但是，与R语言不同，Python语言设计时，并没有考虑对于矩阵运算，统计计算等功能做专项支持。于是我们需要NumPy库
来补足这一能力上的不足。
NumPy是Python的著名扩展库，相当于Python中的MATLAB。
Numpy 中，中，ndarray 类具有六个参数，它们分别为：类具有六个参数，它们分别为：
shape：数组的形状。
dtype：数据类型。
buffer：对象暴露缓冲区接口。
offset：数组数据的偏移量。
strides：数据步长。
order：{‘C’，’F’}，以行或列为主排列顺序。
如何生成多维数组如何生成多维数组
初识初识ndarray多维数组多维数组
在算法中我们最经常用到的就是矩阵，我们就从矩阵开始说起吧。
NumPy中，使用二维的多维数组ndarray来存储矩阵。
例：
a3 = np.array([[1,0],[0,1]])
会生成这样一个多维数组对象
array([[1, 0],
[0, 1]])
生成数组序列生成数组序列
通过开始值、结束值和步长值生成数组序列 – arange
可以通过arange函数来生成指定开始值，结束值和步长值的一维数组。请注意，结束值并不包含在序列中，也就是说结束值
是开区间。
In [25]: a4 = np.arange(1,10,1)
In [26]: a4
Out[26]: array([1, 2, 3, 4, 5, 6, 7, 8, 9])
线性序列线性序列 – linspace
与arange类似，linspace通过给定初值、终值和元素个数来生成序列。是否包含终值可以通过endpoint属性来设置。
例：
In [37]: a8 = np.linspace(1,10,10,endpoint=True)
In [38]: a8
Out[38]: array([ 1., 2., 3., 4., 5., 6., 7., 8., 9., 10.])
等比序列等比序列 – logspace
除了线性的等差数列，我们也可以通过等比数列的方式来生成一维数组。
默认是以10的n次方为参数，比如logspace(0,4,3)的意思是，初值为10的0次方，即1，终值是10的4次方，即100，一共生成3
个值。
例，生成[1,100,10000]
In [47]: a9 = np.logspace(0,4,3)
资源评论
weixin_38564718
- 粉丝: 5
- 资源: 916
