Numpy: hoe u een eindpunt kunt rangschikken en opnemen

De NumPy arange -functie kan worden gebruikt om een reeks waarden te creëren.

Standaard neemt deze functie het eindpunt niet op in de reeks waarden.

Er zijn twee manieren om dit probleem te omzeilen:

Methode 1: Voeg stapgrootte toe aan eindpunt

 n.p. arange (start, stop + step, step)

Methode 2: Gebruik in plaats daarvan de linspace-functie

 n.p. linspace (start, stop, num)

De volgende voorbeelden laten zien hoe u elke methode in de praktijk kunt gebruiken.

Voorbeeld 1: Voeg een stapgrootte toe aan het eindpunt

Laten we zeggen dat we een reeks waarden van 0 tot 50 willen maken met een stap van 5.

Als we de NumPy arange -functie gebruiken, wordt het eindpunt van 50 standaard niet in de reeks opgenomen:

 import numpy as np

#specify start, stop, and step size
start = 0
stop = 50
step = 5

#create array
n.p. arange (start, stop, step)

array([ 0, 5, 10, 15, 20, 25, 30, 35, 40, 45])

Om het eindpunt van 50 op te nemen, kunnen we eenvoudigweg de stapgrootte aan het stop- argument toevoegen:

 import numpy as np

#specify start, stop, and step size
start = 0
stop = 50
step = 5

#create array
n.p. arange (start, stop + step, step)

array([ 0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50])

Merk op dat het eindpunt van 50 nu is opgenomen in de reeks waarden.

Opmerking : u kunt hier de volledige documentatie voor de NumPy arange() -functie vinden.

Voorbeeld 2: Gebruik in plaats daarvan de functie linspace

Een andere manier om een reeks waarden te maken en het eindpunt op te nemen, is door de NumPy- linspace- functie te gebruiken, die standaard het eindpunt bevat.

De volgende code laat zien hoe u deze functie kunt gebruiken om een reeks waarden van 0 tot 50 te maken:

 import numpy as np

#specify start, stop, and number of total values in sequence
start = 0
stop = 50
num = 11

#create array
n.p. linspace (start, stop, num)

array([ 0., 5., 10., 15., 20., 25., 30., 35., 40., 45., 50.])

Houd er rekening mee dat het eindpunt 50 is opgenomen in de reeks standaardwaarden.

Opmerking : u kunt hier de volledige documentatie voor de NumPy arange() -functie vinden.

Aanvullende bronnen

In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende bewerkingen in NumPy kunt uitvoeren:

Hoe een NumPy-array met waarden te vullen
Hoe elementen in een NumPy-array te vervangen
Hoe unieke waarden in de NumPy-array te tellen