Вивчайте Функції Створення для Одномірних Масивів

Окрім базового створення масиву шляхом явного зазначення елементів, numpy також дозволяє автоматичне створення масивів за допомогою спеціальних функцій. Ось дві з найпоширеніших функцій для створення винятково одномірних масивів:

arange();
linspace().

arange()

Функція numpy.arange() подібна до вбудованої функції Python range(), однак повертає об'єкт типу ndarray. По суті, вона створює масив з рівномірно розташованими елементами у заданому інтервалі.

Наприклад, якщо інтервал задано від 0 до 10 з кроком 2, результатом буде масив: [0, 2, 4, 6, 8].

Нижче наведено три найважливіші параметри цієї функції та їх призначення:

start:
- Значення за замовчуванням: 0;
- Визначає перший елемент масиву.
stop:
- Значення за замовчуванням відсутнє;
- Визначає кінцеву межу, яка не включається до масиву.
step:
- Значення за замовчуванням: 1;
- Вказує крок між елементами масиву.


              12345678910
            
import 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()

Хоча arange() може працювати з дійсними числами, для цієї мети рекомендується використовувати numpy.linspace() замість numpy.arange(), оскільки arange() може давати неочікувані результати через помилки точності з плаваючою комою при обчисленні кроків. На відміну від цього, linspace() генерує певну кількість рівновіддалених точок у заданому інтервалі, що забезпечує точність і послідовність.

У linspace() замість параметра step використовується параметр num, який визначає кількість вибірок (чисел) у заданому інтервалі (за замовчуванням — 50).


              1234567
            
import 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

Параметр endpoint визначає, чи буде значення stop включено. За замовчуванням він дорівнює True (включно). Якщо встановити його у False, значення stop буде виключено, що трохи зменшує розмір кроку.

Нижче наведено порівняння array_inclusive та array_exclusive:


              1234567
            
import 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)

Якщо endpoint=True, інтервал $[0, 1]$ ділиться на 4 рівні відрізки та включає сам кінцевий елемент (1), що дає крок $(1 - 0) / 4 = 0.25$ .

Якщо endpoint=False, інтервал $[0, 1)$ ділиться на 5 рівних відрізків, оскільки кінцевий елемент виключено, що дає крок $(1 - 0) / 5 = 0.2$ .

Завдання

Swipe to start coding

Використайте функцію arange() для створення масиву even_numbers.
Вкажіть аргументи для створення масиву парних чисел від 2 до 21 невключно.
Використайте відповідну функцію для створення масиву samples, яка дозволяє задати кількість значень у заданому інтервалі.
Вкажіть перші три аргументи для створення масиву з 10 рівновіддалених чисел між 5 та 6.
Переконайтеся, що 6 не входить до масиву samples.

Рішення

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 1. Розділ 4

single

Запитати АІ

Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат

Suggested prompts:

Can you explain the difference between arange() and linspace() in more detail?

What are some common use cases for arange() and linspace()?

How does floating-point precision affect the results of arange()?

Awesome!

Completion rate improved to 3.7

Свайпніть щоб показати меню

arange();
linspace().