Введение
В этом руководстве вы узнаете, как создавать массивы NumPy с использованием числовых диапазонов. NumPy предоставляет различные функции для создания массивов из указанных числовых диапазонов, таких как arange, linspace и logspace.
Советы по работе с ВМ
После запуска ВМ нажмите в левом верхнем углу, чтобы переключиться на вкладку Ноутбук и получить доступ к Jupyter Notebook для практики.
Иногда вам может потребоваться подождать несколько секунд, пока Jupyter Notebook не загрузится полностью. Валидация операций не может быть автоматизирована из-за ограничений Jupyter Notebook.
Если вы сталкиваетесь с проблемами при обучении, не стесняйтесь обращаться к Labby. Оставьте отзыв после занятия, и мы оперативно решим проблему для вас.
Использование numpy.arange
numpy.arange - это функция, используемая для создания массива с помощью равномерно распределенных значений на любом заданном интервале.
Синтаксис
numpy.arange(start, stop, step, dtype)
Параметры
- start: Этот параметр указывает начальную точку интервала. Значение по умолчанию - 0.
- stop: Этот параметр представляет значение, на котором заканчивается интервал (не включая это значение).
- step: Этот параметр представляет число, на которое меняются значения интервала.
- dtype: Этот параметр указывает тип данных элементов NumPy массива.
Пример
import numpy as np
arr = np.arange(0, 10, 2)
print(arr)
Результат:
[0 2 4 6 8]
Использование numpy.linspace
numpy.linspace похожа на функцию arange(), но вместо размера шага количество равномерно распределенных значений между интервалом задается с использованием аргумента num.
Синтаксис
numpy.linspace(start, stop, num, endpoint, retstep, dtype)
Параметры
- start: Этот параметр представляет начальное значение интервала.
- stop: Этот параметр представляет конечное значение интервала.
- num: Этот параметр указывает количество равномерно распределенных образцов на интервале, которое необходимо сгенерировать. Значение по умолчанию - 50.
- endpoint: Значение логического параметра используется для указания того, что конечное значение включено в интервал.
- retstep: Значение этого параметра - логическое значение и используется для представления шагов и образцов между последовательными числами.
- dtype: Этот параметр используется для представления типа данных элементов массива.
Пример
import numpy as np
## start=20, end=30, num=5
arr = np.linspace(20, 30, 5)
print(arr)
Результат:
[20. 22.5 25. 27.5 30.]
Использование numpy.logspace
numpy.logspace используется для создания массива с помощью чисел, которые равномерно разделены на логарифмической шкале.
Синтаксис
numpy.logspace(start, stop, num, endpoint, base, dtype)
Параметры
- start: Этот параметр представляет начальное значение интервала в системе счисления с основанием
base. - stop: Этот параметр представляет конечное значение интервала в системе счисления с основанием
base. - num: Этот параметр указывает количество значений в заданном диапазоне.
- endpoint: Значение этого логического параметра используется для того, чтобы включить значение, представленное параметром
stop, в качестве последнего значения интервала. - base: Параметр, используемый для представления основания логарифмической шкалы.
- dtype: Этот параметр используется для представления типа данных элементов массива.
Пример
import numpy as np
arr = np.logspace(5, 30, num=5, base=3, endpoint=True)
print("The array is: ", arr)
Результат:
The array is: [2.43000000e+02 2.33138563e+05 2.23677324e+08 2.14600041e+11
2.05891132e+14]
Резюме
В этом руководстве вы узнали, что массивы NumPy можно создавать с использованием заданных числовых диапазонов. Мы использовали три функции (numpy.arange, numpy.linspace и numpy.logspace) для создания массивов из числовых диапазонов. Мы рассмотрели эти функции с их синтаксисом, параметрами и соответствующими примерами.