【整理】使用Python生成數據

Jaden 發布于2019-07-31 11:31 / 2516人閱讀

摘要：含有參數布爾值，默認為表示包含終值，設定為表示不包含終值。只要計算方法一定，隨機種子一定，那么產生的隨機數就不會變均勻分布隨機數組浮點數產生均勻分布隨機數組以內的行列隨機整數以內個隨機浮點數內隨機選擇一個數

使用Python生成數據 使用python原生函數 使用range函數可創建一個整數列表

list = range(10) # 從0開始到10 : [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
print([i for i in list])
print([i*1 for i in list]) # 使用for循環

range(1, 11)     # 從 1開始到11: [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
range(0, 30, 5)  # 步長為 2: [0, 2, 4, 6, 8]
range(0, -10, -1) # 負數:[0, -1, -2, -3, -4, -5, -6, -7, -8, -9]
range(0) # 空數組 []
range(1, 0) # 空數組 []

使用random函數

import random
print( random.random() )             # 產生 0 到 1 之間的隨機浮點數

random.randint(1,10)              # 產生 1 到 10 的一個整數型隨機數
random.uniform(1.1,5.4)           # 產生  1.1 到 5.4 之間的隨機浮點數，區間可以不是整數
random.choice("abcdefghijklmn")   # 從序列中隨機選取一個元素
random.randrange(0, 100, 2)       # 生成從1到100的間隔為2的隨機整數[0-100)的偶數
random.shuffle([1,3,5,6,7])       # 將序列中的元素順序打亂

使用numpy 使用np.arange()

類似于range，通過指定開始值，終值和步長來創建表示等差數列的一維數組

array = np.arange(10) # 
list = range(10)
print(list)  
print(array) #  [0 1 2 3 4 5 6 7 8 9]
# ! 2個函數生成的類型不同，但用法類似
print(type(array))
print(type(list)) 
print(len(array)) # 
print(len(list))

print(np.arange(1, 11))  # [ 1  2  3  4  5  6  7  8  9 10]
print(np.arange(1, 2, 0.1)) # [1. 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9] 步長可用小數

使用 np.linspace()

該函數第三個參數指定的是元素個數，它表示給定起始值和終點值以及元素個數，生成一個一維的等差數列。
含有參數endpoint布爾值，默認為True表示包含終值，設定為False表示不包含終值。

np.linspace(0,1,10)
# [ 0.,  0.11111111,  0.22222222,  0.33333333,  0.44444444,0.55555556,  0.66666667,  0.77777778,  0.88888889,  1.        ])

np.linspace(0,1,10,endpoint = False)  # [ 0. ,  0.1,  0.2,  0.3,  0.4,  0.5,  0.6,  0.7,  0.8,  0.9]

#生成等比數列 基數默認為10
np.logspace(0,4,3) #  [1.e+00 1.e+02 1.e+04]

np.logspace(0,4,3,base = 2) # [ 1.  4. 16.] 起點為2^0 = 1，終點為2^4 = 16,一共按照等比數列生成3個點

創建指定的形狀和類型數組

# 只分配數組所使用的內存，不對數據初始化起作用
np.empty(4,np.int32)         
np.empty((2,3),np.int32)

# 
np.ones(4)                   # [1. 1. 1. 1.]
np.ones((2,3)) 
np.ones(4, dtype = np.bool)  # [ True  True  True  True]
# 
np.zeros(4, dtype = np.bool) # [False False False False]
np.zeros(4)                  # [0. 0. 0. 0.]

# 生成初始化為指定值的數組
np.full(4,np.pi)
np.full((2,3), -1)

# 創建參數形狀相同的數組
a = np.arange(6).reshape(2,3)
np.zeros_like(a)             # [[0 0 0][0 0 0]]
np.ones_like(a))             # [[1 1 1][1 1 1]]

# 從指定的函數中生成數組，第一個參數是函數名稱，第二個參數是數組形狀

np.fromfunction(lambda a, b : a == b, (3, 3)) 
# [[ True False False]
# [False  True False]
# [False False  True]]

np.fromfunction(lambda i:i%7 +1,(10,)) # [ 1.,  2.,  3.,  4.,  5.,  6.,  7.,  1.,  2.,  3.]

使用隨機函數

# 隨機數是由隨機種子根據一定的計算方法計算出來的數值。
# 只要計算方法一定，隨機種子一定，那么產生的隨機數就不會變

np.random.seed(123)

np.random.rand(4)                # 均勻分布隨機數組 0-1浮點數
np.random.rand(2,3)              # 產生2*3均勻分布隨機數組
np.random.randint(1,100,[5,5])   # (1,100）以內的5行5列隨機整數
np.random.random(4)              # (0,1）以內4個隨機浮點數
np.random.choice(10)             # [0,10)內隨機選擇一個數
np.random.choice([1,2,3,4,5],(2,3))

云服務器 GPU云服務器整理數據數據整理 mongodb數據整理數據分析整理

文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規行為，您可以聯系管理員刪除。

轉載請注明本文地址：http://specialneedsforspecialkids.com/yun/45265.html

首次公開，整理12年積累的博客收藏夾，零距離展示《收藏夾吃灰》系列博客

摘要：時間永遠都過得那么快，一晃從年注冊，到現在已經過去了年那些被我藏在收藏夾吃灰的文章，已經太多了，是時候把他們整理一下了。那是因為收藏夾太亂，橡皮擦給設置私密了，不收拾不好看呀。 ...

Harriet666 2021-09-10 10:51 評論0 收藏0
python迭代器資料整理

摘要：滿足以上要求的對象，就是迭代器。其中，必需返回一個迭代器對象，則負責迭代邏輯并在迭代完畢時觸發異常。可以在遍歷迭代器的時候，加入一個判斷語句，避免無法多次迭代的情況發生參考資料官網迭代器文檔什么是迭代器相關概念定義迭代器（Iterator）：滿足迭代協議的對象就是迭代器 iterator就是實現了Iteration Protocol的對象，這類對象都支持循環遍歷的操作（for...

Muninn 2019-07-25 10:37 評論0 收藏0
Python即時網絡爬蟲：API說明

摘要：用于數據分析和數據挖掘的網絡爬蟲程序中，內容提取器是影響通用性的關鍵障礙，如果這個提取器是從獲得的，您的網絡爬蟲程序就能寫成通用的框架。，相關文檔，即時網絡爬蟲項目內容提取器的定義，集搜客開源代碼下載源，開源網絡爬蟲源，文檔修改歷史， showImg(https://segmentfault.com/img/bVynLk); API說明——下載gsExtractor內容提取器 1，接口...

genefy 2019-07-25 10:32 評論0 收藏0
給大家整理了19個pythonic的編程習慣

摘要：最大的優點之一就是語法簡潔，好的代碼就像偽代碼一樣，干凈整潔一目了然。程序必須先讓人讀懂，然后才能讓計算機執行。中間結果盡量使用代替不推薦推薦會帶來更高的內存使用效率，特別是當處理大數據操作的時候。 showImg(https://img-blog.csdnimg.cn/20190306201121104.png?x-oss-process=image/watermark,type_Z...

buildupchao 2019-07-31 10:08 評論0 收藏0