如何利用arange方法，获得等差数列一维ndarray数组？

我们相信：世界是美好的，你是我也是。 来玩一下解压小游戏吧！

在特定场景下，arange()是一个可以快速获得ndarray类型等差数列一维数组的方式，最大特点是数值有规律，维度是1，成员是等差数列。苏南大叔使用numpy.arange()的场景，大概率是出于测试的目的，对于获得的ndarray里的真实数值，并不是太关心。

大家好，这里是苏南大叔的程序如此灵动博客，本文描述如何通过numpy的arange()方法，快速获得一个ndarray对象。测试环境：win10，python@3.11.0。

arange，苏南大叔觉得可能是"a range"，"一个范围"的意思。

定义ndarray的方式

正常来说，是通过下面的方式，定义一个ndarray对象的。参考文章：

• https://newsn.net/say/numpy-ndarray.html

import numpy as np
sn = np.array( ["苏","南","大","叔"] )
print(sn)
print(type(sn))

输出:

['苏' '南' '大' '叔']
<class 'numpy.ndarray'>

当要定义的ndarray的值很多的时候，这样写就比较痛苦了。如果这个时候，这些值恰好是有规律的一系列数值，就可以使用本文的np.arange()方法来进行生成了。它的限制就是：

• 数值有规律。
• 维度是一。
• 数值是大于等于零的等差数列。
• 可能会出现小数的情况。

numpy.arange([start,]stop[,step][,dtype])

• start默认为零。
• step默认为壹。

单一参数【非负】

numpy.arange(stop)

生成从0开始到对应数字的一系列等差数列值，[0,stop)。stop小于等于零的话，不报错，只不过生成的是个空数组。
例如：

import numpy as np
sn = np.arange(3)
print( sn )        # [0 1 2]
print( type(sn) )  # <class 'numpy.ndarray'>
print( sn.ndim )   # 1

sn = np.arange(0)
print( sn )        # []

输出：

[0 1 2]
<class 'numpy.ndarray'>
1
[]

两个参数【not非负】

numpy.arange(start, stop)

生成数的范围是[start,stop)。如果start大于等于stop的话，不报错，只不过生成的是个空数组。

例如：

import numpy as np
sn = np.arange(5,8)
print( sn )           # [5 6 7]
print( type(sn) )     # <class 'numpy.ndarray'>
print( sn.ndim )      # 1

sn = np.arange(8,5)
print( sn )           # []

输出：

[5 6 7]
<class 'numpy.ndarray'>
1
[]

三个参数

第三个参数就是step，默认步长为一，但是设置为小数点也是可以的。但是把step设置为负数的话，这个方法返回值就是空了，似乎有些不灵光。

numpy.arange(start, stop, step)

测试代码：

import numpy as np
sn = np.arange(1,3,0.5)
print( sn )           # [1.  1.5 2.  2.5]
print( type(sn) )     # <class 'numpy.ndarray'>
print( sn.ndim )      # 1

sn = np.arange(1,5,2) # [1 3]
print( sn )

输出：

[1.  1.5 2.  2.5]
<class 'numpy.ndarray'>
1
[1 3]

四个参数

最后出现的参数就是dtype，主要可以设置返回值，被区分为浮点数还是整数。看例子说话：

numpy.arange(start, stop, step, dtype)

测试代码：

import numpy as np
sn = np.arange(1,3,0.5,dtype=int)
print( sn )                         # [1 1 1 1]
print( type(sn) )                   # <class 'numpy.ndarray'>
print( sn.ndim )                    # 1

sn = np.arange(1,5,2,dtype=float)   # [1. 3.]
print( sn )

输出：

[1 1 1 1]
<class 'numpy.ndarray'>
1
[1. 3.]

可见dtype不但能够影响数据类型，也依然能够影响数据输出的值。

关于【非负】

只是单一参数的时候，才会有【非负】的概念。多个参数的时候，是可能会出现负数的。代码如下：

import numpy as np
x = np.arange(-5, 5, 2)
print(x)

输出：

[-5 -3 -1  1  3]

结束语

本.arange()方法获得了一个有规律的一维ndarray整数数组，后续可以通过.reshape()操作，重新排列数值并修改维度，敬请期待下一篇reshape方法的文章。

• https://newsn.net/tag/python/

如果本文对您有帮助，或者节约了您的时间，欢迎打赏瓶饮料，建立下友谊关系。
本博客不欢迎：各种镜像采集行为。请尊重原创文章内容，转载请保留作者链接。