Создание массивов NumPy из числовых диапазонов

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.

Skills Graph

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.