python中一些常用的命令

本文介绍了Numpy的arange()函数,包括如何通过不同参数生成指定范围和步长的序列。同时讲解了numpy.random.seed()设置随机数种子,确保重复实验的一致性。还探讨了reshape()函数将一维数组转换为二维矩阵的两种方法。最后提到了numpy.dot()用于矩阵乘法和向量内积的计算,强调了操作数尺寸的匹配性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

python中Numpy.arange()
生成一个指定起点和步长那个的列表,参数个数最多3个;

  1. 一个参数时,参数值为终点,起点取默认值0,步长取默认值1。
import numpy
print(numpy.arange(5))
 
[0 1 2 3 4]
  1. 两个参数时,第一个参数为起点,第二个参数为终点,步长取默认值1。包前不包后
print(numpy.arange(5, 10))
 
[5 6 7 8 9]
  1. 三个参数时,第一个参数为起点,第二个参数为终点,第三个参数为步长;步长支持小数。
print(numpy.arange(5, 20, 2))  # 起点是5,终点是20,步长2
 
[ 5  7  9 11 13 15 17 19]


numpy.random.seed()函数
seed( ) 用于指定随机数生成时所用算法开始的整数值,如果使用相同的seed( )值,则每次生成的随即数都相同

numpy.reshape函数
reshape()是数组对象中的方法,用于改变数组的形状
变成一个3 * 3的二维矩阵:
#方法一
arr.reshape(3,3) #二维
在这里插入图片描述

#方法二
arr.reshape(-1,3) #二维 -1代表的意思:不知道分多少行,但必须分成3列
在这里插入图片描述
当我们改变原数组的数据时,新数组也会改变:
在这里插入图片描述
numpy.dot(a,b)
主要用于矩阵的乘法运算,其中包括:向量内积、多维矩阵乘法和矩阵与向量的乘法。
一维的矩阵,两个向量进行内积运算时,需要保证两个向量包含的元素个数是相同的。
在这里插入图片描述
二维也就是数学中的矩阵相乘在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值