5 лучших функций создания массивов в Numpy для начинающих

При работе с NumPy важно понимать, как создавать массивы. К счастью, существует несколько простых в использовании функций создания массивов, с которых могут начать новички. Вот 5 из них:

1. Функция np.array():

Эта функция отлично подходит для создания массива из списка или кортежа в Python. Например, если у вас есть список чисел, вы можете легко преобразовать его в массив NumPy с помощью этой функции. Результирующий массив будет иметь то же количество измерений, что и входной список или кортеж.

import numpy as np

# Creating a NumPy array from a Python list
python_list = [1, 2, 3, 4, 5]
numpy_array = np.array(python_list)
print(numpy_array)

# Output: [1 2 3 4 5]

2. Функция np.arange():

Эта функция идеально подходит для создания диапазона значений в виде массива NumPy. Для создания диапазона чисел можно указать значения start, stop и step. Результирующий массив будет содержать равномерно распределенные значения между начальным и конечным значениями с заданным размером шага.

import numpy as np

# Creating a range of values using np.arange()
start = 0
stop = 10
step = 2
numpy_array = np.arange(start, stop, step)
print(numpy_array)

# Output: [0 2 4 6 8]

3. Функция np.zeros():

Эта функция удобна для создания массива, заполненного нулями. Форму массива можно задать кортежем или списком целых чисел. Эта функция часто используется для инициализации массива перед заполнением его другими значениями.

import numpy as np

# Creating a NumPy array filled with zeros
shape = (3, 4)
numpy_zeros_array = np.zeros(shape)
print(numpy_zeros_array)

# Output:
# [[0. 0. 0. 0.]
#  [0. 0. 0. 0.]
#  [0. 0. 0. 0.]]

4. Функция np.ones():

Эта функция удобна для создания массива, заполненного единицами. Форму массива можно задать кортежем или списком целых чисел. Эта функция часто используется для инициализации массива перед заполнением его другими значениями.

import numpy as np

# Creating a NumPy array filled with ones
shape = (2, 2)
numpy_ones_array = np.ones(shape)
print(numpy_ones_array)

# Output:
# [[1. 1.]
#  [1. 1.]]

5. Функция np.random.rand():

Эта функция представляет собой забавный способ создания массива случайных значений от 0 до 1! Форму массива можно задать в виде кортежа или списка целых чисел. Эта функция часто используется для генерации случайных данных в целях тестирования или моделирования.

import numpy as np

# Creating a NumPy array with random values between 0 and 1
shape = (3, 3)
random_array = np.random.rand(shape)
print(random_array)

# Output: (This will display a different random array each time you run the code)

В целом, эти 5 функций создания массивов в NumPy отлично подходят для начинающих. Они просты в использовании и помогут быстро создавать массивы для проектов по анализу данных или научным вычислениям.