深圳国外网站设计,wordpress手机号登陆,网站seo策划,网站布局设计规则numpy.array对象
numpy.array 对象是 NumPy 库的核心#xff0c;它提供了一种高效的方式来存储和操作同质数据类型的多维数组。每个 numpy.array 对象都有一系列的属性#xff0c;这些属性提供了关于数组的重要信息。理解这些属性对于有效地使用 NumPy 和进行数据分析是非常…numpy.array对象
numpy.array 对象是 NumPy 库的核心它提供了一种高效的方式来存储和操作同质数据类型的多维数组。每个 numpy.array 对象都有一系列的属性这些属性提供了关于数组的重要信息。理解这些属性对于有效地使用 NumPy 和进行数据分析是非常关键的。以下是 numpy.array 对象的一些最重要的属性的详细介绍
ndarray.ndim
ndim 属性表示数组的维数或者说数组轴的数量。例如一个一维数组的 ndim 值为1二维数组的 ndim 值为2以此类推。
ndarray.shape
shape 属性是一个表示数组在每个维度上大小的元组。对于一个二维数组矩阵其形状将表示为 (行数, 列数)。
ndarray.size
size 属性表示数组中元素的总数量。这等于 shape 属性中各维度大小的乘积。
ndarray.dtype
dtype 属性表示数组中元素的数据类型如 float6464位浮点数、int3232位整数、bool布尔值等。
ndarray.itemsize
itemsize 属性表示数组中每个元素的大小以字节为单位。例如数据类型为 float64 的数组中每个元素的 itemsize 为8因为一个 float64 占用8字节。
ndarray.data
data 属性是一个指向数组实际数据的缓冲区的指针。通常我们不直接使用这个属性因为我们可以通过索引方法直接访问数组中的元素。
使用示例
下面是一个简单的例子演示如何创建一个 NumPy 数组并使用这些属性
import numpy as np# 创建一个二维数组
arr np.array([[1, 2, 3], [4, 5, 6]])# 打印数组的属性
print(Array dimensions:, arr.ndim)
print(Shape of array:, arr.shape)
print(Size of array:, arr.size)
print(Data type of array elements:, arr.dtype)
print(Item size of array elements (bytes):, arr.itemsize)np.random
np.random 模块是 NumPy 库的一部分提供了用于生成随机数的功能。这个模块包含了一系列函数用于生成不同类型的随机数据如单个数、数组、根据特定分布生成的随机数等。以下是 np.random 模块的详细介绍包括常用函数和使用示例。
随机数生成
生成单个随机数
np.random.rand(): 生成一个[0, 1)区间内的均匀分布的随机数。np.random.randn(): 生成一个标准正态分布均值为0方差为1的随机数。
生成随机数组
np.random.rand(d0, d1, ..., dn): 生成一个给定形状的数组数组中的元素是[0, 1)区间内的均匀分布的随机数。np.random.randn(d0, d1, ..., dn): 生成一个给定形状的数组数组中的元素是标准正态分布的随机数。np.random.randint(low, highNone, sizeNone, dtypel): 生成一个随机整数或整数数组范围是[low, high)如果highNone则范围是[0, low)。
随机种子
NumPy的随机数功能是基于伪随机数生成器的这意味着它们是通过算法在确定性的基础上生成的看起来像是随机的。设置相同的种子值将会产生相同的随机数序列。
np.random.seed(seedNone): 设置随机数生成的种子。指定种子后随机数生成的序列是可重复的。
从特定分布生成随机数
np.random.normal(loc0.0, scale1.0, sizeNone): 从正态分布中抽取随机数。np.random.uniform(low0.0, high1.0, sizeNone): 从均匀分布中抽取随机数。np.random.binomial(n, p, sizeNone): 从二项分布中抽取随机数。np.random.poisson(lam1.0, sizeNone): 从泊松分布中抽取随机数。np.random.exponential(scale1.0, sizeNone): 从指数分布中抽取随机数。
随机抽样
np.random.choice(a, sizeNone, replaceTrue, pNone): 从给定的一维数组中随机抽取元素。replace 控制是否可以重复抽取同一个元素p 指定各元素被抽取的概率。
示例代码
import numpy as np# 设置随机种子
np.random.seed(42)# 生成随机数组
arr_uniform np.random.rand(2, 3) # 均匀分布
arr_normal np.random.randn(2, 3) # 标准正态分布
arr_int np.random.randint(1, 10, size(2, 3)) # 随机整数print(Uniform distributed array:\n, arr_uniform)
print(\nNormally distributed array:\n, arr_normal)
print(\nRandom integer array:\n, arr_int)# 从正态分布生成随机数
mean 0
std 1
size 5
normal_samples np.random.normal(mean, std, size)
print(\nNormal distribution samples:, normal_samples)# 随机抽样
choices np.random.choice([a, b, c, d], size10, replaceTrue)
print(\nRandom choices:, choices)
