numpy.array 함수 상해
소개하다.
numpy.array(object, dtype=None, copy=True, order='K', subok=False, ndmin=0)
역할: 그룹을 만듭니다.
매개변수 설명:
object:배열
그룹 인터페이스의 모든 대상을 공개합니다.array__방법은 그룹의 대상이나 그 어떠한 (끼워넣기) 서열을 되돌려줍니다.
dtype: 데이터 형식, 선택 가능
그룹에 필요한 데이터 형식입니다.만약 주지 않는다면, 형식은 서열의 대상을 유지하는 데 필요한 최소 형식으로 확정될 것입니다.이 매개 변수는 "upcast"그룹에만 사용할 수 있습니다.아래로 변환하려면 를 사용합니다.astype(t) 방법.
copy:bool, 옵션
true(기본값)인 경우 객체를 복사합니다.그렇지 않으면 만array__복사본을 되돌려줍니다. obj는 플러그인 서열이거나 다른 요구 (dtype, 순서 등) 를 충족시키기 위해 복사본이 필요할 때 복사합니다.
order: {'K','A','C','F'}, 선택 가능
패턴의 메모리 레이아웃을 지정합니다.Object가 배열이 아니라면, 새로 만든 배열은 'F' 를 지정하지 않은 경우, Fortran 순서 (전문 열) 를 사용합니다.만약 Object가 하나의 수조라면 다음과 같이 성립됩니다.
copy=False가 다른 이유로 복사되었을 때 결과copy=True는 A에 대한 예외와 같습니다. "주석"부분을 참고하십시오.기본 순서는 "K"입니다.
subok:bool, 옵션
True이면 하위 클래스가 전달되고 그렇지 않으면 반환되는 배열이 기본 클래스 배열로 강제됩니다(기본값).
ndmin: int, 옵션
결과 그룹이 가져야 할 최소 비트를 지정합니다.필요에 따라 모양을 미리 설정합니다.
반환값:out:ndarray
요구 사항에 맞는 배열 객체
예: >>> np.array([1, 2, 3])
array([1, 2, 3])
2차원>>> np.array([[1, 2], [3, 4]])
array([[1, 2], [3, 4]])
최소 차원 2:>>> np.array([1, 2, 3], ndmin=2)
array([[1, 2, 3]])
제공 유형>>> np.array([1, 2, 3], dtype=complex)
array([ 1.+0.j, 2.+0.j, 3.+0.j])
여러 요소로 구성된 데이터 유형:>>> x = np.array([(1,2),(3,4)],dtype=[('a','>> x['a']
array([1, 3])
하위 클래스에서 배열을 만들려면 다음과 같이 하십시오.>>> np.array(np.mat('1 2; 3 4'))
array([[1, 2], [3, 4]])
>>> np.array(np.mat('1 2; 3 4'), subok=True)
matrix([[1, 2], [3, 4]])
참고 자료
https://docs.scipy.org/doc/numpy/reference/generated/numpy.array.html
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
【학습 강화】cpprb로 변환된 파일 저장 기능 추가
off-policy의 강화 학습에서 Replay Buffer에 잠시 저장된 전환은t(\text{상태}), ~at(\text\행동}), ~rt(\text{보수}), ~s{t+1}(\text{조치 후 상태}), ~dt(...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.
>>> np.array([1, 2, 3])
array([1, 2, 3])
2차원
>>> np.array([[1, 2], [3, 4]])
array([[1, 2], [3, 4]])
최소 차원 2:
>>> np.array([1, 2, 3], ndmin=2)
array([[1, 2, 3]])
제공 유형
>>> np.array([1, 2, 3], dtype=complex)
array([ 1.+0.j, 2.+0.j, 3.+0.j])
여러 요소로 구성된 데이터 유형:
>>> x = np.array([(1,2),(3,4)],dtype=[('a','>> x['a']
array([1, 3])
하위 클래스에서 배열을 만들려면 다음과 같이 하십시오.
>>> np.array(np.mat('1 2; 3 4'))
array([[1, 2], [3, 4]])
>>> np.array(np.mat('1 2; 3 4'), subok=True)
matrix([[1, 2], [3, 4]])
참고 자료
https://docs.scipy.org/doc/numpy/reference/generated/numpy.array.html
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
【학습 강화】cpprb로 변환된 파일 저장 기능 추가off-policy의 강화 학습에서 Replay Buffer에 잠시 저장된 전환은t(\text{상태}), ~at(\text\행동}), ~rt(\text{보수}), ~s{t+1}(\text{조치 후 상태}), ~dt(...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.