随机函数篇
NumPy的random子库 np.random.*
| 函数 | 说明 |
|---|---|
| rand(d0,d1,..,dn) | 根据d0‐dn创建随机数数组，浮点数，[0,1)，均匀分布 |
| randn(d0,d1,..,dn) | 根据d0‐dn创建随机数数组，标准正态分布 |
| randint(low[,high,shape]) | 根据shape创建随机整数或整数数组，范围是[low, high) |
| seed(s) | 随机数种子，s是给定的种子值，设置相同的种子生成的数组相同 |
| shuffle(a) | 根据数组a的第1轴进行随排列，改变数组x |
| permutation(a) | 根据数组a的第1轴产生一个新的乱序数组，不改变数组x |
| choice(a[,size,replace,p]) | 从一维数组a中以概率p抽取元素，形成size形状新数组 |
| replace | 表示是否可以重用元素，默认为True |
| uniform(low,high,size) | 产生具有均匀分布的数组,low起始值,high结束值,size形状 |
| normal(loc,scale,size) | 产生具有正态分布的数组,loc均值,scale标准差,size形状 |
| poisson(lam,size) | 产生具有泊松分布的数组,lam随机事件发生率,size形状 |
例子走起：
In [36]: a=np.random.rand(2,3)
In [37]: a
Out[37]:
array([[ 0.24309732, 0.55631254, 0.93629272],
[ 0.84170898, 0.45479003, 0.79710209]])
In [38]: a=np.random.randn(2,3)
In [39]: a
Out[39]:
array([[-0.25459031, 1.20052619, -3.03859346],
[ 0.27442959, 0.52884329, 0.78020833]])
In [40]: a=np.random.randint(10,20,(2,3))
In [41]: a
Out[41]:
array([[17, 11, 18],
[10, 19, 19]])
In [42]: np.random.seed(100)
In [43]: a=np.random.randint(10,20,(2,3))
In [44]: a
Out[44]:
array([[18, 18, 13],
[17, 17, 10]])
In [45]: np.random.seed(100)
In [46]: a=np.random.randint(10,20,(2,3))
In [47]: a
Out[47]:
array([[18, 18, 13],
[17, 17, 10]])
In [48]: a=np.random.randint(10,20,(2,3))
In [49]: a
Out[49]:
array([[14, 12, 15],
[12, 12, 12]])
In [54]: a=np.random.randint(10,20,(3,2,2))
In [55]: a
Out[55]:
array([[[10, 18],
[14, 10]],
[[19, 16],
[12, 14]],
[[11, 15],
[13, 14]]])
In [56]: np.random.shuffle(a)
In [57]: a
Out[57]:
array([[[11, 15],
[13, 14]],
[[19, 16],
[12, 14]],
[[10, 18],
[14, 10]]])
In [58]: np.random.permutation(a)
Out[58]:
array([[[11, 15],
[13, 14]],
[[10, 18],
[14, 10]],
[[19, 16],
[12, 14]]])
In [59]: a
Out[59]:
array([[[11, 15],
[13, 14]],
[[19, 16],
[12, 14]],
[[10, 18],
[14, 10]]])
In [100]: b=np.random.randint(10,20,(8,))
In [101]: b
Out[101]: array([11, 15, 19, 13, 10, 16, 12, 13])
In [102]: np.random.choice(b,(3,2))
Out[102]:
array([[10, 13],
[10, 19],
[11, 15]])
In [103]: np.random.choice(b,(3,2),replace=False)
Out[103]:
array([[13, 16],
[13, 15],
[19, 10]])
np.random.choice(b,(3,2),p=b/np.sum(b))
Out[108]:
array([[12, 10],
[19, 16],
[12, 16]])
统计函数篇
| 函数 | 说明 |
|---|---|
| sum(a, axis=None) | 根据给定轴axis计算数组a相关元素之和，axis整数或元组 |
| mean(a, axis=None) | 根据给定轴axis计算数组a相关元素的期望，axis整数或元组 |
| average(a,axis=None,weights=None) | 根据给定轴axis计算数组a相关元素的加权平均值 |
| std(a, axis=None) | 根据给定轴axis计算数组a相关元素的标准差 |
| var(a, axis=None) | 根据给定轴axis计算数组a相关元素的方差 |
| min(a) max(a) | 计算数组a中元素的最小值、最大值 |
| argmin(a) argmax(a) | 计算数组a中元素最小值、最大值的降一维后下标 |
| unravel_index(index, shape) | 根据shape将一维下标index转换成多维下标 |
| ptp(a) | 计算数组a中元素最大值与最小值的差 |
| median(a) | 计算数组a中元素的中位数（中值） |
注：
- average函数里面weights数组维数应与axis对应a中的维数相同
- np.unravel_index(np.argmin(a),a.shape)可输出最小值的下标
梯度函数
np.gradient(f) 计算数组f中元素的梯度，当f为多维时，返回每个维度梯度,梯度计算
In [10]: a=np.random.randint(10,20,(2,4))
In [11]: a
Out[11]:
array([[14, 19, 14, 19],
[16, 13, 19, 17]])
In [12]: b=np.gradient(a)
In [13]: b
Out[13]:
[array([[ 2., -6., 5., -2.],
[ 2., -6., 5., -2.]]), array([[ 5. , 0. , 0. , 5. ],
[-3. , 1.5, 2. , -2. ]])]
数组的边界元素的梯度值为它与相邻元素（下标大的减去下标小的）的差值，非边界元素为左右两个值差值的一半，一般是在某梯度由下标小到下标大计算。
网友评论