Функция numpy.arange()

Введение

В этом практическом занятии мы узнаем о функции numpy.arange() библиотеки NumPy, которая используется для создания массивов.

Функция arange() библиотеки NumPy является одной из процедур создания массивов, которая обычно основана на числовых интервалах. Этот метод в основном создает экземпляр ndarray с равномерно распределенными значениями и возвращает ссылку на него.

Советы по использованию 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 во время обучения, не стесняйтесь обращаться к Labby. Оставьте отзыв после занятия, и мы оперативно решим проблему для вас.

Разбор синтаксиса numpy.arange()

numpy.arange(start, stop, step, dtype)

Вышеприведенный синтаксис - это обязательный синтаксис для использования функции numpy.arange(). Первые три параметра используются для определения диапазона значений, а четвертый параметр используется для указания типа элементов.

Исследование параметров numpy.arange()

Параметр 1: start

Это необязательный параметр, используемый для указания начала интервала. Значение по умолчанию этого параметра равно 0. Данное значение входит в интервал.

Параметр 2: stop

Этот параметр представляет собой число (целое или десятичное), которое используется для обозначения значения, на котором заканчивается интервал (не включая это значение).

Параметр 3: step

Это необязательный параметр, указывающий размер шага интервала, и представляет собой число, на которое изменяются значения интервала.

Параметр 4: dtype

Этот параметр используется для указания типа данных элементов NumPy-массива. Значение по умолчанию этого параметра равно None.

Создание базового массива с использованием numpy.arange()

В этом шаге мы создадим массив, используя все аргументы диапазона, а затем выведем массив с использованием функции print().

import numpy as np

## Создаем базовый NumPy-массив, используя все аргументы диапазона
a = np.arange(start=2, stop=12, step=2)

## Выводим результат
print("The Output is :", a)

Результат должен быть [2, 4, 6, 8, 10].

Создание массива numpy.arange() с использованием только двух аргументов диапазона

В этом шаге мы создадим массив, используя только два аргумента диапазона, а затем выведем массив с использованием функции print().

import numpy as np

## Создаем NumPy-массив, используя только два аргумента диапазона
a = np.arange(start=2, stop=12)

## Выводим результат
print("The Output is :", a)

Поскольку предоставлено только два аргумента, параметр step принимает значение по умолчанию 1. Результат должен быть [2, 3, 4, 5, 6, 7, 8, 9, 10, 11].

Создание массива numpy.arange() с одним аргументом диапазона

В этом шаге мы создадим массив, используя один аргумент диапазона, а затем выведем массив с использованием функции print().

import numpy as np

## Создаем NumPy-массив, используя один аргумент диапазона
a = np.arange(12)

## Выводим результат
print("The Output is :", a)

Поскольку предоставлен только один аргумент, он воспринимается как stop, а значения по умолчанию для start и step равны 0 и 1 соответственно. Результат должен быть [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11].

Создание массива numpy.arange() с отрицательными аргументами

В этом шаге мы создадим массив с отрицательными аргументами и положительным значением для аргумента step.

import numpy as np

## Создаем NumPy-массив с отрицательными значениями start и stop
a = np.arange(-10, -1)

## Выводим результат
print("The output is:", a)

Результат должен быть [-10, -9, -8, -7, -6, -5, -4, -3, -2].

Резюме

В этом практическом занятии мы рассмотрели функцию numpy.arange(), которая является основным способом создания массивов в библиотеке NumPy. Мы изучили ее синтаксис, параметры и возвращаемые значения. Также мы создали базовые массивы с использованием различных аргументов диапазона и научились выводить их результаты.