Python Numpy Arange函数快速教程及示例什么是Python中的Numpy Arange函数 Numpy

什么是Python中的Numpy Arange函数

Numpy Arange函数用于创建一个numpy数组，其元素均匀地分布在一个给定范围内。在本教程中，我们将了解np.range()的语法，并通过使用它的各种参数来完成多个例子。

numpy.range(start=0, stop, step=1, dtype)

在开始实例之前，我们将导入numpy库，如下所示。

在[0]。

import numpy as np

我们从非常基本的numpy数组的例子开始，我们只传递了唯一的强制性参数stop，其值为10。这将创建一个默认起始值为0、默认步长为1的numpy数组。

In[1]:

arr = np.arange(10);

print(arr)

Out[1]:

[0 1 2 3 4 5 6 7 8 9]

让我们重写第一个例子，加入参数start = 0，可以看到产生了相同的numpy数组。这也证实了stop的默认值为0的事实。

In[2]:

arr = np.arange(start = 0, stop = 10);

print(arr)

Out[2]:

[0 1 2 3 4 5 6 7 8 9]

这一次，让我们修改前面的例子，将步长参数改为2，这样就可以创建一个间隔为2的、均匀分布在0到10之间的numpy数组。

In [3]:

arr = np.arange(start = 0, stop = 10,  step=2);

print(arr)

Out[3]:

[0 2 4 6 8]

默认情况下，range函数从输入参数中推断出numpy数组的数据类型，然而，我们可以通过使用type参数来定义数据类型。

在下面的例子中，我们使用了dtype = float，它产生的输出数组的所有值都是浮点型的。

In [4]:

arr = np.arange(start = 0, stop = 10, step=2, dtype=float);

print(arr)

Out[4]:

[0. 2. 4. 6. 8.]

在这个例子中，我们给步骤参数分配了一个1.5的浮动值，从而创建了相应的ndarray，如下所示。

In[5]:

arr = np.arange(start = 0, stop = 10, step=1.5, dtype=float);

print(arr)

Out[5]:

[0. 1.5 3. 4.5 6. 7.5 9. ]

虽然我们可以使用浮动值作为步长，但是numpy的文档在使用时给出了一个警告："输出可能在数值上不稳定"。这是由于数组人口的计算是在内部进行的。

这样的例子可以在下面看到。

In[6]:

arr = np.arange(start = 0, stop = 5, step = 0.5, dtype=int)

print(arr)

输出[6]。

[0 0 0 0 0 0 0 0 0 0]

正如我们在上面看到的，numpy数组的生成在使用浮点数的步骤时可能会出现混乱。因此，文档中建议使用numpy linspace函数来代替非整数或浮点数的步骤值。

你可以在下面了解更多关于linspace函数的信息。