Python——库arange

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

前言

arange库的解析

---

一、arange的库函数

1、np.arange()函数

1.1、函数语法：

np.arange([start, ]stop, [step, ]dtype=None)

参数解释：

• start:起点值；可忽略不写，默认从0开始
• stop:终点值；生成的元素不包括结束值
• step:步长；可忽略不写，默认步长为1
• dtype:默认为None，设置显示元素的数据类型

不同参数个数情况介绍：

• 一个参数时，参数值为终点值，起点取默认值0，步长取默认值1。
• 两个参数时，第一个参数为起点值，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，其中步长支持小数。

1.2、验证

代码如下：

import numpy as np

print("np.arange(7): ",np.arange(7))     #终点值为7，默认起点值为0，步长为1；
print("np.arange(3,7): ",np.arange(3,7)) #终点值为7，起点值为3，默认步长为1；
print("np.arange(3,7,2): ",np.arange(3,7,2)) #终点值为7，起点值为3，步长为2；
print("np.arange(3,7,0.5): ",np.arange(3,7,0.5)) #终点值为7，起点值为3，步长为0.5(小数)；

1.3、结果

np.arange(7): [0 1 2 3 4 5 6]
np.arange(3,7): [3 4 5 6]
np.arange(3,7,2): [3 5]
np.arange(3,7,0.5): [3. 3.5 4. 4.5 5. 5.5 6. 6.5]

显而易见其输出的结果为等差数组。

2、array()函数

2.1、程序验证

import numpy as np
## 常规创建方法
a = np.array([2,3,4])
b = np.array([2.0,3.0,4.0])
c = np.array([[1.0,2.0],[3.0,4.0]])
d = np.array([[1,2],[3,4]],dtype=complex) # 指定数据类型
print (a, a.dtype)
print (b, b.dtype)
print (c, c.dtype)
print (d, d.dtype)

2.2、结果

---

总结

提示：这里对文章进行总结：
例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。