我有这样一段代码
#predicitng values one by one
regr = linear_model.LinearRegression()
predicted_value = np.array([ 9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32])
predicted_value = predicted_value.reshape(-1,1)
#mt
regr.fit(x, y)
predicted_values = regr.predict(predicted_value)
predict_outcome = regr.predict(predicted_value)
predictions = {'predicted_value': predict_outcome}
mmt = np.mean(predict_outcome)
#ht
regr.fit(x, ht)
predicted_values = regr.predict(predicted_value)
predict_outcome = regr.predict(predicted_value)
predictions = {'predicted_value': predict_outcome}
mht = np.mean(predict_outcome)
在这里代替这个:
predicted_value = np.array([ 9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32])
我如何设置从 9 到 32(或 x 到 y)的范围,这样我就可以避免输入所有数字。如果使用 for 循环完成,如何在这种情况下应用它
最佳答案
不需要使用循环。您可以使用 numpy.arange([start, ]stop, [step, ])
生成一系列数字。
在你的情况下:
predicted_value = np.arange(9, 33) # Note the 33 if you want 9..32
如果你真的想使用循环,可以选择使用 list comprehension :
predicted_value = np.array([i for i in range(9, 33)])
或者一个显式循环,这将是最可怕的:
predicted_value = np.empty(33 - 9)
for k, i in enumerate(range(9, 33)):
predicted_value[k] = i
关于python - 如何在 numpy 数组中使用 for 循环?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42620417/