Skapandefunktioner för 1D-Arrayer
Förutom grundläggande array-skapande genom att explicit ange elementen, tillåter numpy
också automatisk array-skapande med hjälp av speciella funktioner. Här är två av de vanligaste funktionerna för att skapa uteslutande 1D-arrayer:
arange()
;linspace()
.
arange()
Funktionen numpy.arange()
är liknande Pythons inbyggda range()
-funktion; dock returnerar den en ndarray
. I huvudsak skapar den en array med jämnt fördelade element inom ett specificerat intervall.
Till exempel, om det specificerade intervallet är från 0 till 10 med en steglängd på 2, skulle den resulterande arrayen vara: [0, 2, 4, 6, 8]
.
Här är dess tre viktigaste parametrar och deras roller:
-
start
:- Standardvärde:
0
; - Representerar första elementet i arrayen.
- Standardvärde:
-
stop
:- Inget standardvärde;
- Definierar slutpunkten, som inte ingår i arrayen.
-
step
:- Standardvärde:
1
; - Anger ökningen som läggs till varje efterföljande element.
- Standardvärde:
12345678910import numpy as np # Creating an array of integers from 0 to 11 exclusive with step=1 array_1 = np.arange(11) print(array_1) # Creating an array of integers from 1 to 11 exclusive with step=1 array_2 = np.arange(1, 11) print(array_2) # Creating an array of integers from 0 to 11 exclusive with step=2 array_3 = np.arange(0, 11, 2) print(array_3)
linspace()
Medan arange()
kan arbeta med reella tal, föredras numpy.linspace()
över numpy.arange()
för detta ändamål eftersom arange()
kan ge oväntade resultat på grund av flyttalsprecisionfel vid beräkning av steg. I kontrast genererar linspace()
ett specifikt antal jämnt fördelade punkter inom ett intervall, vilket säkerställer noggrannhet och konsekvens.
Med linspace()
, istället för step
-parametern, finns det en num
-parameter som används för att specificera antalet prover (tal) inom ett givet intervall (standard är 50
).
1234567import numpy as np # Generating 5 equally spaced values between 0 and 1 (inclusive) array_1 = np.linspace(0, 1, 5) print('Example 1:', array_1) # Generating 7 equally spaced values between -1 and 1 (inclusive) array_2 = np.linspace(-1, 1, 7) print('Example 2:', array_2)
Endpoint
endpoint
-parametern bestämmer om stop
-värdet inkluderas. Som standard är det True
(inkluderande). Om det ställs in på False
utesluts stop
-värdet, vilket något minskar steglängden.
Här är en jämförelse av array_inclusive
och array_exclusive
:
1234567import numpy as np # Generating 5 equally spaced values between 0 and 1 (inclusive) array_inclusive = np.linspace(0, 1, 5) print('Endpoint = True:', array_inclusive) # Generating 5 equally spaced values between 0 and 1 (exclusive) array_exclusive = np.linspace(0, 1, 5, endpoint=False) print('Endpoint = False:', array_exclusive)
När endpoint=True
, delas intervallet [0, 1] in i 4 lika segment och inkluderar slutpunkten själv (1
), vilket resulterar i en steglängd på (1 - 0) / 4 = 0.25.
När endpoint=False
, delas intervallet [0, 1) in i 5 lika segment eftersom slutpunkten är exkluderad, vilket resulterar i en steglängd på (1 - 0) / 5 = 0.2.
Notera
Du kan alltid lära dig mer om dessa funktioner i deras dokumentation: arange, linspace.
Swipe to start coding
- Använd funktionen
arange()
för att skapa arrayeneven_numbers
. - Ange argumenten för att skapa en array av jämna tal från
2
till21
exklusive. - Använd den lämpliga funktionen för att skapa arrayen
samples
, som tillåter att specificera antalet värden inom ett givet intervall. - Ange de första tre argumenten för att skapa en array av
10
jämnt fördelade tal mellan5
och6
. - Se till att
6
inte inkluderas i arrayensamples
.
Lösning
Tack för dina kommentarer!
single
Fråga AI
Fråga AI
Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal
Awesome!
Completion rate improved to 3.7
Skapandefunktioner för 1D-Arrayer
Svep för att visa menyn
Förutom grundläggande array-skapande genom att explicit ange elementen, tillåter numpy
också automatisk array-skapande med hjälp av speciella funktioner. Här är två av de vanligaste funktionerna för att skapa uteslutande 1D-arrayer:
arange()
;linspace()
.
arange()
Funktionen numpy.arange()
är liknande Pythons inbyggda range()
-funktion; dock returnerar den en ndarray
. I huvudsak skapar den en array med jämnt fördelade element inom ett specificerat intervall.
Till exempel, om det specificerade intervallet är från 0 till 10 med en steglängd på 2, skulle den resulterande arrayen vara: [0, 2, 4, 6, 8]
.
Här är dess tre viktigaste parametrar och deras roller:
-
start
:- Standardvärde:
0
; - Representerar första elementet i arrayen.
- Standardvärde:
-
stop
:- Inget standardvärde;
- Definierar slutpunkten, som inte ingår i arrayen.
-
step
:- Standardvärde:
1
; - Anger ökningen som läggs till varje efterföljande element.
- Standardvärde:
12345678910import numpy as np # Creating an array of integers from 0 to 11 exclusive with step=1 array_1 = np.arange(11) print(array_1) # Creating an array of integers from 1 to 11 exclusive with step=1 array_2 = np.arange(1, 11) print(array_2) # Creating an array of integers from 0 to 11 exclusive with step=2 array_3 = np.arange(0, 11, 2) print(array_3)
linspace()
Medan arange()
kan arbeta med reella tal, föredras numpy.linspace()
över numpy.arange()
för detta ändamål eftersom arange()
kan ge oväntade resultat på grund av flyttalsprecisionfel vid beräkning av steg. I kontrast genererar linspace()
ett specifikt antal jämnt fördelade punkter inom ett intervall, vilket säkerställer noggrannhet och konsekvens.
Med linspace()
, istället för step
-parametern, finns det en num
-parameter som används för att specificera antalet prover (tal) inom ett givet intervall (standard är 50
).
1234567import numpy as np # Generating 5 equally spaced values between 0 and 1 (inclusive) array_1 = np.linspace(0, 1, 5) print('Example 1:', array_1) # Generating 7 equally spaced values between -1 and 1 (inclusive) array_2 = np.linspace(-1, 1, 7) print('Example 2:', array_2)
Endpoint
endpoint
-parametern bestämmer om stop
-värdet inkluderas. Som standard är det True
(inkluderande). Om det ställs in på False
utesluts stop
-värdet, vilket något minskar steglängden.
Här är en jämförelse av array_inclusive
och array_exclusive
:
1234567import numpy as np # Generating 5 equally spaced values between 0 and 1 (inclusive) array_inclusive = np.linspace(0, 1, 5) print('Endpoint = True:', array_inclusive) # Generating 5 equally spaced values between 0 and 1 (exclusive) array_exclusive = np.linspace(0, 1, 5, endpoint=False) print('Endpoint = False:', array_exclusive)
När endpoint=True
, delas intervallet [0, 1] in i 4 lika segment och inkluderar slutpunkten själv (1
), vilket resulterar i en steglängd på (1 - 0) / 4 = 0.25.
När endpoint=False
, delas intervallet [0, 1) in i 5 lika segment eftersom slutpunkten är exkluderad, vilket resulterar i en steglängd på (1 - 0) / 5 = 0.2.
Notera
Du kan alltid lära dig mer om dessa funktioner i deras dokumentation: arange, linspace.
Swipe to start coding
- Använd funktionen
arange()
för att skapa arrayeneven_numbers
. - Ange argumenten för att skapa en array av jämna tal från
2
till21
exklusive. - Använd den lämpliga funktionen för att skapa arrayen
samples
, som tillåter att specificera antalet värden inom ett givet intervall. - Ange de första tre argumenten för att skapa en array av
10
jämnt fördelade tal mellan5
och6
. - Se till att
6
inte inkluderas i arrayensamples
.
Lösning
Tack för dina kommentarer!
Awesome!
Completion rate improved to 3.7single