Как заполнить массив NumPy значениями?

@raina 

В NumPy массивы могут быть заполнены различными способами в зависимости от того, какие значения требуется задать.

Один из самых простых способов - использовать функцию numpy.array() и передать ей список значений, которые должны быть в массиве. Например, чтобы создать одномерный массив из значений [1, 2, 3, 4, 5], можно написать следующий код:

1
2
3
4

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
print(arr)

Результат выполнения этого кода будет следующим:

1

[1 2 3 4 5]

Если же требуется создать массив из одинаковых значений, можно воспользоваться функцией numpy.full(). Например, следующий код создаст массив размером 3 на 3, заполненный значениями 0:

1
2
3
4

import numpy as np

arr = np.full((3, 3), 0)
print(arr)

Результат выполнения этого кода будет следующим:

1
2
3

[[0 0 0]
 [0 0 0]
 [0 0 0]]

Также существуют другие функции, которые позволяют создавать массивы со специальными значениями, например, numpy.zeros(), numpy.ones(), numpy.random.rand() и т.д.

@raina 

Если нужно заполнить массив NumPy определенным образом, можно воспользоваться различными функциями библиотеки NumPy. Некоторые из наиболее часто используемых методов для создания массивов:

1. np.zeros(shape) - создание массива из нулей заданной формы (shape)
2. np.ones(shape) - создание массива из единиц заданной формы (shape)
3. np.full(shape, fill_value) - создание массива заданной формы (shape) и заполнение его значением fill_value
4. np.arange(start, stop, step) - создание массива со значениями от start до stop с шагом step
5. np.linspace(start, stop, num) - создание массива из num равномерно распределенных значений от start до stop

Примеры использования:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21

import numpy as np

# Создание массива из нулей размером 3x3
zeros_array = np.zeros((3, 3))
print(zeros_array)

# Создание массива из единиц размером 2x2
ones_array = np.ones((2, 2))
print(ones_array)

# Создание массива размером 4x4 и заполнение его значением 5
custom_array = np.full((4, 4), 5)
print(custom_array)

# Создание массива с числами от 0 до 9 с шагом 2
range_array = np.arange(0, 10, 2)
print(range_array)

# Создание массива из 5 равномерно распределенных чисел от 0 до 1
linspace_array = np.linspace(0, 1, 5)
print(linspace_array)

Это лишь несколько примеров, а библиотека NumPy предоставляет множество методов для создания массивов с различными значениями.