一、np.arrange函数
在numpy模块中，np.arrange函数可以用于创建有规律的数组序列。该函数有三个参数可选：start（开始值，默认为0）、stop（结束值，不包含）和step（步长，默认为1）。当只传入一个参数时，默认是stop值，从0开始生成一个连续的整数序列。
import numpy as np # 生成从0到4的整数序列 a = np.arange(5) print(a) # [0 1 2 3 4]
通过以上代码可以看出，当只传入一个参数时，np.arrange函数会默认将这个参数作为结束值。生成的序列包含域0开始但不包括传入的值，即[0, stop)。在这个例子中就是[0, 1, 2, 3, 4]。
二、np.arrange四维数组
在np.arrange函数中，同样可以生成多维数组。以4维数组为例，代码如下：
b = np.arange(32).reshape(2, 2, 4, 2) print(b)
在上述例子中，我们生成了一个2x2x4x2的四维数组。首先通过np.arange函数生成了一个包含32个元素的序列，然后通过reshape函数进行了形状的变换。结果如下：
[[[[ 0 1] [ 2 3] [ 4 5] [ 6 7]] [[ 8 9] [10 11] [12 13] [14 15]]] [[[16 17] [18 19] [20 21] [22 23]] [[24 25] [26 27] [28 29] [30 31]]]]
可以看出4维数组同样也可以轻松创建，而且形状可以根据需求进行变换，便于实现机器学习等复杂应用。
三、np.arrange参数
除了start、stop、step三个参数，np.arrange函数还可以使用dtype和out两个参数。
dtype参数用于设置数据类型，默认情况下，生成的数组的数据类型都是int64。如果希望生成其他数据类型，可以传入dtype参数：
# 设置数据类型为float c = np.arange(0, 10, 2, dtype=float) print(c) # [0. 2. 4. 6. 8.]
out参数表示输出位置，可以使用该参数将计算结果直接写入不存在的数组中：
# 定义一个全0数组 d = np.zeros(5) # 将生成的数组写入d中 np.arange(5, out=d) print(d) # [0. 1. 2. 3. 4.]
通过dtype和out参数，可以让np.arrange函数更加灵活地适应不同的计算需求。
四、np.arrange三维数组
在np.arrange函数中，同样可以生成三维数组。代码示例如下：
e = np.arange(24).reshape(2, 3, 4) print(e)
这里我们生成了一个2x3x4的三维数组。首先通过np.arange函数生成了一个包含24个元素的序列，然后通过reshape函数进行了形状的变换。结果如下：
[[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] [[12 13 14 15] [16 17 18 19] [20 21 22 23]]]
可以看出，np.arrange函数同样可以轻松地生成三维数组。除了2维和4维数组之外，应用广泛的一般为3维数组，np.arrange函数在处理3维数组时也可以说是得心应手。
原创文章，作者：KRCW，如若转载，请注明出处：https://www.506064.com/n/136610.html
微信扫一扫 
支付宝扫一扫 