numpy

作者: 稍安勿躁zzh | 来源:发表于2018-03-08 19:14 被阅读0次
    • rand(d0,d1....dn)
      参数:维度设置、int整型、可选;给定的维度必须是正数,如果没有给任何参数,则返回一个python浮点数.
      输出:ndarray;随机数值,数值大小服从均匀分布[0, 1).
    #例子
    np.random.rand(3,2)
    #输出
    [[ 0.91018835  0.81058281]
     [ 0.79837365  0.45386407]
     [ 0.45797705  0.45170906]]
    
    • randn(d0,d1....dn)
      使用方法、参数和输出同上,区别是返回的数值服从标准正太分布.
    #例子
    np.random.randn()
    #输出
    1.3833194717008752
    #例子
    np.random.randn(2, 3) + 3
    #输出
    [[ 1.59315748  3.60762008  2.02047004]
     [ 2.69538253  2.65981673  4.2338875 ]]
    
    • randint(low, high=None, size=None, dtype='l')
      参数:分别是范围值设置参数[low, high)(high是可选的,如果为None,则范围是[0, low))、维度设置(可选)、输出结果的类型参数设置.
      返回值:随机整数
    #例子
    np.random.randint(2, size=10)
    #输出
    [1, 0, 0, 0, 1, 1, 0, 0, 1, 0]
    #例子
    np.random.randint(5, size=(2, 4))
    #输出
    [[4, 0, 2, 1],
     [3, 2, 2, 0]]
    
    • random(size=None)
    #Return random floats in the half-open interval [0.0, 1.0).
    #例子
    print(np.random.random())
    print(np.random.random((2, 3)))
    #输出
    0.668554697988308
    [[ 0.67318801  0.29553275  0.48014267]
     [ 0.09472903  0.55096364  0.05223546]]
    
    • choice(a, size=None, replace=True, p=None)
      choice() 方法返回一个随机项(Generates a random sample from a given 1-D array)
      参数:a为1-D array-like or int、维度、replace是抽取的样本项是否重复、p为每一项被采样到的概率
      返回:single item or ndarray
    #例子
    np.random.choice(5, 3)
    #输出、如果a为单个整数,则从np.arange(a)中采样得到
    [0, 3, 4]
    #例子
    np.random.choice(5, 3, p=[0.1, 0, 0.3, 0.6, 0])
    np.random.choice(5, 3, replace=False)
    #输出、注意到第一个例子重复的项被采样出、而第二个例子则不会(不信可以去多打印几次。。。。。)
    [3, 3, 0]
    [3, 1, 0]
    #例子
    aa_milne_arr = ['pooh', 'rabbit', 'piglet', 'Christopher']
    np.random.choice(aa_milne_arr, 5, p=[0.5, 0.1, 0.1, 0.3])
    #输出
    ['pooh', 'pooh', 'pooh', 'Christopher', 'piglet']
    
    • .expand_dims(a, axis)
      对给定array插入一个维度,用于扩展数组的shape
    #例子
    x = np.array([1,2])
    x.shape
    #输出
    (2,)
    #1维的例子
    >>> y = np.expand_dims(x, axis=0)
    >>> y
    array([[1, 2]])
    >>> y.shape
    (1, 2)
    #
    >>> y = np.expand_dims(x, axis=1)  # Equivalent to x[:,newaxis]
    >>> y
    array([[1],
           [2]])
    >>> y.shape
    (2, 1)
    #二维
    x = np.array([[1,2,3],[4,5,6]])
    print x
    print x.shape
    >>>[[1 2 3]
        [4 5 6]]
    >>>(2, 3)
    ----------------
    y = np.expand_dims(x,axis=0)
    print y
    print "y.shape: ",y.shape
    print "y[0][1]: ",y[0][1]
    >>>[[[1 2 3]
          [4 5 6]]]
    >>>y.shape:  (1, 2, 3)
    >>>y[0][1]:  [4 5 6]
    ----------------
    y = np.expand_dims(x,axis=1)
    print y
    print "y.shape: ",y.shape
    print "y[1][0]: ",y[1][0]
    >>>[[[1 2 3]]
         [[4 5 6]]]
    >>>y.shape:  (2, 1, 3)
    >>>y[1][0]:  [4 5 6]
    
    • 还有这种操作~~
    #例子
    import numpy as np
    a = np.array([1,2,3,4,5,6])
    b = (a<5)
    print(b)
    print(type(b))
    print(a[a < 5])
    #out
    [ True  True  True  True False False]
    <class 'numpy.ndarray'>
    [1 2 3 4]
    
    #例子
    a = [1, 2, 3]
    b = [4, 5, 6]
    print(a+b)
    #out
    [1, 2, 3, 4, 5, 6]
    

    暂时这么多,笔记~~~~~~

    相关文章

      网友评论

        本文标题:numpy

        本文链接:https://www.haomeiwen.com/subject/yojyfftx.html