print(x.shape)
这将输出 (1, 3)
,证明 x
是一个形状为 (1, 3)
的二维数组。
1.2 使用 ones,empty, zeros生成数组,形参shape=[2,3]为2行3列的维度
#in:
np.ones(shape=[2,3]) #[2,3]为2行3列的维度
#out:
array([[1., 1., 1.],
[1., 1., 1.]])
#in:
np.zeros(shape=[3,4])
#out:
array([[0., 0., 0., 0.],
[0., 0., 0., 0.],
[0., 0., 0., 0.]])
#in:
np.empty(shape=[4,5]) #随机生成
#out:
array([[2.47053687e-316, 6.27463370e-322, 0.00000000e+000,
0.00000000e+000, 1.78019625e-306],
[5.30276956e+180, 3.31033942e-033, 4.57487963e-071,
3.25824571e-086, 3.35560119e-143],
[6.01433264e+175, 6.93885958e+218, 5.56218858e+180,
3.94356143e+180, 7.18978022e-067],
[2.90327285e-057, 2.08799593e-076, 6.82201766e-067,
7.49078798e-144, 1.50008929e+248]])
1.3 使用linspace,arange生成数组(注意区间闭合)
#in:
np.linspace(0,99,10) #左闭右闭,等距生成数组,前两个数为区间,第三个数是步长
#out:
array([ 0., 11., 22., 33., 44., 55., 66., 77., 88., 99.])
#in:
np.arange(0,99,33) #左闭右开,第三个数是步长
#out:
array([ 0, 33, 66])
#in:
np.random.normal(0, 1, size=(8,10)) #在(0,1)区间随机生成维度为[8,10]的数组
#out:
array([[ 0.4889333 , 0.52598919, -1.1787282 , 0.92947144, -0.61411273,
-0.40308503, -0.24170964, -1.65005546, -1.10860983, -1.17195597],
[ 2.30153196, 0.08231435, -0.42151829, 0.23084481, -0.22912885,
0.35418584, 0.18042856, 0.50218664, -0.06535679, -1.08141255],
[ 0.78668497, 0.40467269, -2.15751968, -0.5284904 , 0.61413254,
0.38134191, -0.32608761, -0.80535812, -0.28665986, -0.46265705],
[ 0.40831628, 1.1195378 , -0.19555259, -1.26725678, 0.06050092,
-1.53074358, -0.46109896, 1.0585371 , -1.68785747, -0.38269948],
[ 0.2533123 , 0.7493127 , -0.39330055, 0.59872789, 1.23311894,
1.56123508, 0.88216884, -0.11006012, 1.67101912, 0.36773784],
[-0.01196778, -0.29989697, -0.10620468, 0.62047068, -0.35919101,
0.14259044, -0.77929073, 1.07955841, -0.57254166, -0.75650875],
[-0.38727358, 0.34665637, 0.28927818, 0.23179733, 0.22165409,
0.3740697 , -0.03544985, 0.34657169, -0.21841557, 1.18743025],
[-0.88678905, -1.13712659, 0.38860167, -0.43039802, -0.23007068,
1.49646142, -0.60181792, 2.09735673, -1.08618737, -1.09159316]])
1.4 生成服从某种函数分布的数组(均匀分布,正态分布)
#in:
np.random.uniform(-1,1,100000) #均匀分布,前两个数是区间,第三个数是个数
#out:
array([ 0.15119225, 0.40014323, -0.05461068, ..., -0.98073734,
0.75843808, 0.4539914 ])
#in:
np.random.normal(1.8, 0.1, 100000) #参数分别是 对称轴,标准差,个数
#out:
array([1.64399767, 1.59405144, 1.92386876, ..., 1.85188776, 1.72408358,
1.82817792])
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注:Python)
盖了95%以上前端开发知识点,真正体系化!**
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注:Python)