np.zeros()函数的使用方法

目录
  • 函数调用方法：
  • 基础用法：
  • 进阶用法：
  • 最高级的用法：

函数调用方法：

numpy.zeros(shape, dtype=float)

各个参数意义：

  • shape：创建的新数组的形状（维度）。
  • dtype：创建新数组的数据类型。
  • 返回值：给定维度的全零数组。

基础用法：

import numpy as np

array = np.zeros([2, 3])
print(array)
print(array.dtype)
"""
result:
[[0. 0. 0.]
 [0. 0. 0.]]
float64
"""

可以看到我们成功创建了一个2行3列的全零二维数组。并且创建的数组中的数据类型是np.float64类型。

进阶用法：

import numpy as np

array = np.zeros([2, 3], dtype=np.int32)
print(array)
print(array.dtype)
"""
result:
[[0 0 0]
 [0 0 0]]
int32
"""

可以看到，这里我们同样成功创建了一个2行3列的全零二维数组。并且我们指定了其数据类型为np.int32。

最高级的用法：

import numpy as np

# Create rain data
n_drops = 10

rain_drops = np.zeros(n_drops, dtype=[('position', float, (2,)),
                                      ('size', float),
                                      ('growth', float),
                                      ('color', float, (4,))])

# Initialize the raindrops in random positions and with
# random growth rates.
rain_drops['position'] = np.random.uniform(0, 1, (n_drops, 2))
rain_drops['growth'] = np.random.uniform(50, 200, n_drops)

print(rain_drops)
"""
result:
[([0.70284885, 0.03590322], 0., 176.4511602 , [0., 0., 0., 0.])
 ([0.60838294, 0.49185854], 0.,  60.51037667, [0., 0., 0., 0.])
 ([0.86525398, 0.65607663], 0., 168.00795695, [0., 0., 0., 0.])
 ([0.25812877, 0.14484747], 0.,  80.17753717, [0., 0., 0., 0.])
 ([0.66021716, 0.90449213], 0., 121.94125106, [0., 0., 0., 0.])
 ([0.88306332, 0.51074725], 0.,  92.4377108 , [0., 0., 0., 0.])
 ([0.68916433, 0.89543162], 0.,  90.77596431, [0., 0., 0., 0.])
 ([0.7105655 , 0.68628326], 0., 144.88783652, [0., 0., 0., 0.])
 ([0.6894679 , 0.90203559], 0., 167.40736266, [0., 0., 0., 0.])
 ([0.92558218, 0.34232054], 0.,  93.48654986, [0., 0., 0., 0.])]
"""

到此这篇关于np.zeros()函数的使用方法的文章就介绍到这了,更多相关np.zeros()使用内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！

赞 (0)

相关推荐

  • python中numpy.zeros(np.zeros)的使用方法

    翻译: 用法:zeros(shape, dtype=float, order='C') 返回:返回来一个给定形状和类型的用0填充的数组: 参数:shape:形状 dtype:数据类型,可选参数,默认numpy.float64 dtype类型: t ,位域,如t4代表4位 b,布尔值,true or false i,整数,如i8(64位) u,无符号整数,u8(64位) f,浮点数,f8(64位) c,浮点负数, o,对象, s,a,字符串,s24 u,unicode,u24 order:可选参数

  • np.zeros()函数的使用方法

    目录 函数调用方法: 基础用法: 进阶用法: 最高级的用法: 函数调用方法: numpy.zeros(shape, dtype=float) 各个参数意义: shape:创建的新数组的形状(维度). dtype:创建新数组的数据类型. 返回值:给定维度的全零数组. 基础用法: import numpy as np array = np.zeros([2, 3]) print(array) print(array.dtype) """ result: [[0. 0. 0.]  

  • np.array()函数的使用方法

    目录 函数调用方法: 普通用法: 进阶用法: 更高级的用法: 函数调用方法: numpy.array(object, dtype=None) 各个参数意义: object:创建的数组的对象,可以为单个值,列表,元胞等. dtype:创建数组中的数据类型. 返回值:给定对象的数组. 普通用法: import numpy as np array = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) print("数组array的值为: ") print(ar

  • Numpy np.array()函数使用方法指南

    目录 1.Numpy ndarray对象 2.创建numpy数组 总结 1.Numpy ndarray对象 numpy ndarray对象是一个n维数组对象,ndarray只能存储一系列相同元素. #一维数组 [1,2,3,4] #shape(4,) #二维数组 [[1,2,3,4]] #shape(1,4) [[1,2,3,4], [5,6,7,8]] #shape(2,4) #三维数组 [ [[1,2,3],[4,5,6]], [[7,8,9],[10,11,12]] ] #shape(2,

  • python人工智能tensorflow函数tensorboard使用方法

    python人工智能tensorflow函数tensorboard使用方法

    目录 tensorboard相关函数及其常用参数设置 1 with tf.name_scope(layer_name): 2 tf.summary.histogram(layer_name+"/biases",biases) 3 tf.summary.scalar(“loss”,loss) 4 tf.summary.merge_all() 5 tf.summary.FileWriter(“logs/”,sess.graph) 6 write.add_summary(result,i)

  • Python实现高斯函数的三维显示方法

    在网上查阅资料,发现很少用Python进行高斯函数的三维显示绘图的,原因可能是其图形显示太过怪异,没有MATLAB精细和直观. 回顾一下二维高斯公式: σ此处取3. 在MATLAB下的程序为: u=[-10:0.1:10]; v=[-10:0.1:10]; [U,V]=meshgrid(u,v); H=exp(-(U.^2+V.^2)./2/3^2); mesh(u,v,H); %绘制三维曲面的函数 title('高斯函数曲面'); 其显示结果为: 放大效果显示,很平滑和直观. 以下为Pytho

  • 对pandas replace函数的使用方法小结

    语法:replace(self, to_replace=None, value=None, inplace=False, limit=None, regex=False, method='pad', axis=None) 使用方法如下: import numpy as np import pandas as pd df = pd.read_csv('emp.csv') df #Series对象值替换 s = df.iloc[2]#获取行索引为2数据 #单值替换 s.replace('?',np.

  • Python pandas自定义函数的使用方法示例

    本文实例讲述了Python pandas自定义函数的使用方法.分享给大家供大家参考,具体如下: 自定义函数的使用 import numpy as np import pandas as pd # todo 将自定义的函数作用到dataframe的行和列 或者Serise的行上 ser1 = pd.Series(np.random.randint(-10,10,5),index=list('abcde')) df1 = pd.DataFrame(np.random.randint(-10,10,(

  • python微元法计算函数曲线长度的方法

    计算曲线长度,根据线积分公式: ,令积分函数 f(x,y,z) 为1,即计算曲线的长度,将其微元化: 其中 根据此时便可在python编程实现,给出4个例子,代码中已有详细注释,不再赘述 ''' 计算曲线长度,根据线积分公式: \int_A^Bf(x,y,z)dl,令积分函数为1,即计算曲线的长度 ''' import numpy as np from mpl_toolkits.mplot3d import * import matplotlib.pyplot as plt ## 求二维圆周长,

  • python中leastsq函数的使用方法

    python中leastsq函数的使用方法

    leastsq作用:最小化一组方程的平方和. 参数设置: func 误差函数 x0 初始化的参数 args 其他的额外参数 举个例子: 首先创建样本点 import numpy as np import scipy as sp from scipy.optimize import leastsq import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei'] plt.rcParams['axes.unicode

随机推荐