Bài 7: Mảng Từ Dãy Số - Numpy Trong Python - VnCoder

• Học lập trình
• |
• Bài viết
• |
• Tin tức
• |
• Tuyển dụng
• |
• Liên hệ
• |

• Đăng ký
• |
• Đăng nhập

PHP

Laravel

Android

Java

HTML5

CSS3

NodeJS

VueJS

Swift

Python

Machine Learning

C/C++

Linux/Server

SQL

Javascript

Game

Phân tích thiết kế hệ thống

Servlet/JSP

AI

1. Trang chủ
2. AI
3. Numpy trong Python
4. Mảng từ dãy số

• Bài 1: Giới thiệu và thiết lập môi trường
• Bài 2: Ndarray Object
• Bài 3: Kiểu dữ liệu
• Bài 4: Thuộc tính của Mảng
• Bài 5: Quy trình tạo mảng
• Bài 6: Mảng từ dữ liệu có sẵn
• Bài 7: Mảng từ dãy số
• Bài 8: Index & Slice
• Bài 9: Advanced Indexing
• Bài 10: Broadcast
• Bài 11: Duyệt Mảng
• Bài 12: Toán tử nhị phân
• Bài 13: Hàm String
• Bài 14: Hàm Toán Học
• Bài 15: Các phép tính toán học
• Bài 16: Hàm thống kê
• Bài 17: Sort, Search & Counting
• Bài 18: Chuyển đổi Byte
• Bài 19: Copy & View
• Bài 20: Ma trận
• Bài 21: Đại số tuyến tính
• Bài 22: Matplotlib
• Bài 23: Biểu đồ sử dụng Matplotlib
• Bài 24: I/O trong numpy

Bài 7: Mảng từ dãy số - Numpy trong Python

Đăng bởi: Admin | Lượt xem: 5284 | Chuyên mục: AI Ở bài hôm nay . ta sẽ xem cách tạo một mảng từ một dãy số trong phạm vi nhất định

1. numpy.arange :

Hàm này trả về một đối tượng ndarray chứa các giá trị cách đều nhau trong một phạm vi nhất định. Cú pháp như sau :numpy.arange(start, stop, step, dtype)

1. start : Khoảng thời gian bắt đầu. Nếu bỏ qua, mặc định là 0
2. stop : Kết thúc khoảng thời gian
3. step : Khoảng cách giữa các giá trị, mặc định là 1
4. dtype : Kiểu dữ liệu của ndarray kết quả. Nếu không được cung cấp, kiểu dữ liệu đầu vào sẽ được sử dụng

Ví dụ 1 :import numpy as np x = np.arange(5) print xKết quả :[0 1 2 3 4]Ví dụ 2:import numpy as np # dtype set x = np.arange(5, dtype = float) print x[0. 1. 2. 3. 4.]Ví dụ 3 :# start and stop parameters set import numpy as np x = np.arange(10,20,2) print xkết quả :[10 12 14 16 18]

2. numpy.linspace

Hàm này tương tự như hàm arange (). Trong hàm này, thay vì kích thước bước, số lượng các giá trị cách đều giữa khoảng được chỉ định. numpy.linspace(start, stop, num, endpoint, retstep, dtype)Lưu ý các tham số sau :

1. start : Khoảng thời gian bắt đầu. Nếu bỏ qua, mặc định là 0
2. stop : Kết thúc khoảng thời gian
3. num : Số lượng mẫu cách đều nhau sẽ được tạo ra. Mặc định là 50
4. endpoint :Mặc định là true, do đó giá trị dừng được bao gồm trong chuỗi. Nếu sai, nó không có giá trị dùng
5. retstep : Nếu đúng, trả về các giá trị mẫu và bước giữa các số liên tiếp
6. dtype : trả về kiểu dữ liệu là ndarray

Các ví dụ sau về hàm linspaceVí dụ 1 :import numpy as np x = np.linspace(10,20,5) print xKết quả :[10. 12.5 15. 17.5 20.]Ví dụ 2 :# endpoint set to false import numpy as np x = np.linspace(10,20, 5, endpoint = False) print xkết quả :[10. 12. 14. 16. 18.]Ví dụ 3# find retstep value import numpy as np x = np.linspace(1,2,5, retstep = True) print x # retstep here is 0.25Kết quả ;(array([ 1. , 1.25, 1.5 , 1.75, 2. ]), 0.25)

3. numpy.logspace

Hàm này trả về một đối tượng ndarray có chứa các số cách đều nhau trên thang log. Điểm cuối bắt đầu và điểm dừng của thang đo là chỉ số của cơ sở, thường là 10.numpy.logspace(start, stop, num, endpoint, base, dtype)

1. start : Khoảng thời gian bắt đầu. Nếu bỏ qua, mặc định là 0
2. stop : Kết thúc khoảng thời gian
3. num : Số lượng mẫu cách đều nhau sẽ được tạo ra. Mặc định là 50
4. endpoint :Mặc định là true, do đó giá trị dừng được bao gồm trong chuỗi. Nếu sai, nó không có giá trị dùng
5. base : Cơ sở của không gian nhật ký, mặc định là 10
6. dtype : trả về kiểu dữ liệu là ndarray

Ví dụ 1 :import numpy as np # default base is 10 a = np.logspace(1.0, 2.0, num = 10) print aKết quả :[ 10. 12.91549665 16.68100537 21.5443469 27.82559402 35.93813664 46.41588834 59.94842503 77.42636827 100. ]Ví dụ 2 :# set base of log space to 2 import numpy as np a = np.logspace(1,10,num = 10, base = 2) print a[ 2. 4. 8. 16. 32. 64. 128. 256. 512. 1024.] Bài tiếp theo: Index & Slice >>

Theo dõi VnCoder trên Facebook, để cập nhật những bài viết, tin tức và khoá học mới nhất!

Chia sẻ bài viết

• Bài 1: Giới thiệu và thiết lập môi trường
• Bài 2: Ndarray Object
• Bài 3: Kiểu dữ liệu
• Bài 4: Thuộc tính của Mảng
• Bài 5: Quy trình tạo mảng
• Bài 6: Mảng từ dữ liệu có sẵn
• Bài 7: Mảng từ dãy số
• Bài 8: Index & Slice
• Bài 9: Advanced Indexing
• Bài 10: Broadcast
• Bài 11: Duyệt Mảng
• Bài 12: Toán tử nhị phân
• Bài 13: Hàm String
• Bài 14: Hàm Toán Học
• Bài 15: Các phép tính toán học
• Bài 16: Hàm thống kê
• Bài 17: Sort, Search & Counting
• Bài 18: Chuyển đổi Byte
• Bài 19: Copy & View
• Bài 20: Ma trận
• Bài 21: Đại số tuyến tính
• Bài 22: Matplotlib
• Bài 23: Biểu đồ sử dụng Matplotlib
• Bài 24: I/O trong numpy