斯钦的博客

identity函数用于一个n*n的单位矩阵(主对角线元素全为1，其余全为0的矩阵)。np.identity(n, dtype=float）# n:单位矩阵的边长# dtype:可选参数,返回的数组内数据的数据类型,默认是float>>> import numpy as np>>> np.identity(3)array([[1., 0., 0.], [0., 1., 0.], [0., 0., 1.]])>>&gt

ones函数用于创建指定长度或形状的全1数组(这里的数组指ndarray数组)。np.ones(shape, dtype=float, order='C')# shape:返回的数组的维度或形状# dtype:可选参数,返回的数组内数据的数据类型,默认是float# order:可选参数,与C语言类似,C代表行优先,F代表列优先>>> import numpy as np>>> np.ones(3)array([1., 1., 1.])>>&

zeros函数用于创建指定长度或形状的全0数组(这里的数组指ndarray数组)。np.zeros(shape, dtype=float, order='C')# shape:返回的数组的维度或形状# dtype:可选参数,返回的数组内数据的数据类型,默认是float# order:可选参数,与C语言类似,C代表行优先,F代表列优先>>> import numpy as np>>> np.zeros(3)array([0., 0., 0.])>&g

array函数用于创建ndarray数组。np.array(object, dtype, ndmin)# object:接收array,表示想要创建的数组# dtype:接收data-type,表示数组所需的数据类型,未给定则选择保存对象所需的最小类型,默认为None# ndmin:接收int,指定生成数组应该具有的最小维数,默认为None>>> import numpy as np #导入numpy>>> np.array([1, 2, 3, 4, 5])

arange函数用于创建等差数组。np.arange([start, ]stop, [step])# start:起点# stop:终点# step:步长# 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# 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# 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,步长可以是小数>>> import numpy as np>>> np.arange(7)array([

linspace 函数可以在指定的范围(start到stop)内返回num个均匀间隔的样本。np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=float)#start:序列的起始点#stop:序列的终点#num(可选):生成的样本数量,默认是50#endpoint(可选):当endpoint=True时包括结束值，当endpoint=False时不包括结束值#retstep(可选):当retstep=True