首页np.arange 时间间隔是15min

np.arange 时间间隔是15min

时间: 2023-07-10 13:06:17 浏览: 75

Python数据科学速查表Numpy 基础.pdf

NumPy 基础知识点 NumPy 是 Python 数据科学计算的核心库，提供了高性能的多维数组对象及处理数组的工具。下面是 NumPy 基础知识点的总结：一、数组创建 * 使用 `np.zeros()` 创建值为 0 的数组 * 使用 `np.ones()` 创建值为 1 的数组 * 使用 `np.arange()` 创建均匀间隔的数组 * 使用 `np.linspace()` 创建均匀间隔的数组 * 使用 `np.full()` 创建常数数组 * 使用 `np.eye()` 创建单位矩阵 * 使用 `np.random.random()` 创建随机值的数组 * 使用 `np.empty()` 创建空数组二、数组计算 * 使用 `np.subtract()` 进行减法运算 * 使用 `np.add()` 进行加法运算 * 使用 `np.divide()` 进行除法运算 * 使用 `np.multiply()` 进行乘法运算 * 使用 `np.exp()` 计算指数函数 * 使用 `np.sqrt()` 计算平方根 * 使用 `np.sin()` 计算正弦函数 * 使用 `np.cos()` 计算余弦函数 * 使用 `np.log()` 计算自然对数 * 使用 `np.dot()` 计算点积三、数组统计 * 使用 `np.sum()` 计算数组汇总 * 使用 `np.min()` 计算数组最小值 * 使用 `np.max()` 计算数组最大值 * 使用 `np.mean()` 计算平均数 * 使用 `np.median()` 计算中位数 * 使用 `np.corrcoef()` 计算相关系数 * 使用 `np.std()` 计算标准差四、数组比较 * 使用 `np.array_equal()` 对比数组 * 使用 `np.greater()` 对比值 * 使用 `np.less()` 对比值五、数组操作 * 使用 `np.transpose()` 转置数组 * 使用 `np.ravel()` 拉平数组 * 使用 `np.reshape()` 改变数组形状 * 使用 `np.append()` 添加数据 * 使用 `np.insert()` 插入数据 * 使用 `np.delete()` 删除数据 * 使用 `np.concatenate()` 合并数组 * 使用 `np.vstack()` 纵向以行的维度堆叠数组 * 使用 `np.hstack()` 横向以列的维度堆叠数组 * 使用 `np.c_[]` 横向以列的维度创建堆叠数组 * 使用 `np.hsplit()` 横向分割数组 * 使用 `np.vsplit()` 纵向分割数组

如果您想创建一个时间间隔为15分钟的numpy数组，可以使用np.arange()函数。这个函数的第一个参数是起始值，第二个参数是终止值，第三个参数是步长。在这种情况下，起始值可以是0，终止值可以是总共的分钟数（例如24小时是1440分钟），步长为15。下面是一个例子： ``` python import numpy as np time_array = np.arange(0, 1440, 15) print(time_array) ``` 输出结果： ``` [ 0 15 30 45 60 75 90 105 120 135 150 165 180 195 210 225 240 255 270 285 300 315 330 345 360 375 390 405 420 435 450 465 480 495 510 525 540 555 570 585 600 615 630 645 660 675 690 705 720 735 750 765 780 795 810 825 840 855 870 885 900 915 930 945 960 975 990 1005 1020 1035 1050 1065 1080 1095 1110 1125 1140 1155 1170 1185 1200 1215 1230 1245 1260 1275 1290 1305 1320 1335 1350 1365 1380 1395] ``` 这个数组包含了一天中所有15分钟的时间点。

阅读全文