1. numpy.array()
该方法可以直接定义一个向量或矩阵
测试代码
import numpy as np vector = np.array([1, 2, 3, 4]) metrix = np.array([[1, 2, 3, 4], [5, 6, 7, 8]]) print(vector) print(metrix)
结果
[1 2 3 4] [[1 2 3 4] [5 6 7 8]]
2. numpy.arange()
可以定义等距向量或矩阵
测试代码
import numpy as np # 定义向量 # [0, 15)间距为1的向量 a = np.arange(15) # [10, 30)间距为5的向量 b = np.arange(10, 30, 5) # 定义矩阵,reshape可以修改矩阵结构 c = np.arange(15).reshape(3, 5) print(a) print(b) print(c)
结果
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14] [10 15 20 25] [[ 0 1 2 3 4] [ 5 6 7 8 9] [10 11 12 13 14]]
3. np.zeros()
可以定义数据全为0的向量或矩阵
测试代码
import numpy as np # 向量 # dtype指定数据类型,默认为numpy.float64 a = np.zeros(3, dtype=np.int32, ) # a = np.zeros((3)) # 矩阵 b = np.zeros((2, 3)) print(a) print(b)
结果
[0 0 0] [[0. 0. 0.] [0. 0. 0.]]
4. np.ones()
可以定义数据全为1的向量或矩阵
测试代码
import numpy as np # 向量 # dtype指定数据类型,默认为numpy.float64 a = np.ones(3, dtype=np.int32, ) # a = np.ones((3)) # 矩阵 b = np.ones((2, 3)) print(a) print(b)
结果
[1 1 1] [[1. 1. 1.] [1. 1. 1.]]
5. numpy.random.random()
测试代码
import numpy as np # 向量 # 产生3个[0, 1)之间的数组成的向量 a = np.random.random(3) # 产生3个[0, 10)之间的数组成的向量 b = 10 * np.random.random(3) # 矩阵 c = np.random.random((3, 2)) print(a) print(b) print(c)
结果
[0.13145229 0.3579447 0.73169757] [8.71034733 7.23799586 7.32234672] [[0.38781208 0.71026693] [0.70824702 0.84315752] [0.55963861 0.72510996]]
6. numpy.linspace()
定义由区间中固定等距元素组成的向量或矩阵
测试代码
import numpy as np # 向量 # 定义由6个[0, 2*pi)之间等距数据组成的向量 a = np.linspace(0, 2*np.pi, 6) # 矩阵 b = a.reshape(2, 3) print(a) print(b)
结果
[0. 1.25663706 2.51327412 3.76991118 5.02654825 6.28318531] [[0. 1.25663706 2.51327412] [3.76991118 5.02654825 6.28318531]]