python numpy

1.numpy.random.randn

numpy.random.randn(d0, d1, ..., dn)

d0, d1, …, dn：应该为正整数，表示维度。

如果没有参数，则返回一个值，如果有参数，则返回(d0, d1, …, dn)个值，这些值都是从标准正态分布中随机取样得到的。

For random samples from $N(\mu, \sigma^2)$ , use:

sigma * np.random.randn(...) + mu

2.numpy.random.rand

numpy.random.rand(d0, d1, ..., dn)

d0, d1, ..., dn ：返回数组的尺寸，都应该是正的。

创建一个给定类型的数组，将其填充在一个均匀分布的随机样本[0, 1)中

3.numpy.reshape

Gives a new shape to an array without changing its data.

>>> a = np.array([[1,2,3], [4,5,6]])
>>> np.reshape(a, 6)
array([1, 2, 3, 4, 5, 6])
>>> np.reshape(a, (3,-1))       # the unspecified value is inferred to be 2
array([[1, 2],
       [3, 4],
       [5, 6]])

4.shape函数

shape函数是numpy.core.fromnumeric中的函数，它的功能是查看矩阵或者数组的维数。

>>> e = eye(3)  
>>> e  
array([[ 1.,  0.,  0.],  
       [ 0.,  1.,  0.],  
       [ 0.,  0.,  1.]])  
>>> e.shape  
(3, 3)

建立一个4×2的矩阵c, c.shape[1] 为第一维的长度，c.shape[0] 为第二维的长度。

>>> c = array([[1,1],[1,2],[1,3],[1,4]])  
>>> c.shape  
(4, 2)  
>>> c.shape[0]  
4  
>>> c.shape[1]  
2

5.numpy.zeros

用法：zeros(shape, dtype=float, order='C')

返回：返回来一个给定形状和类型的用0填充的数组；

参数：shape:形状

dtype:数据类型，可选参数，默认numpy.float64

dtype类型：t ,位域,如t4代表4位

b,布尔值，true or false

i,整数,如i8(64位）

u,无符号整数，u8(64位）

f,浮点数，f8（64位）

c,浮点负数，

o,对象，

s,a，字符串，s24

u,unicode,u24

order:可选参数，c代表与c语言类似，行优先；F代表列优先

例子：

np.zeros(5)
array([ 0.,  0.,  0.,  0.,  0.])

s = (2,2)
np.zeros(s)
array([[ 0.,  0.],
       [ 0.,  0.]])

6.argsort()

1.先定义一个array数据

import numpy as np
x=np.array([1,4,3,-1,6,9])

2.现在我们可以看看argsort()函数的具体功能是什么：

x.argsort()

输出定义为y=array([3,0,2,1,4,5])。

我们发现argsort()函数是将x中的元素从小到大排列，提取其对应的index(索引)，然后输出到y。

3.由于在程序中遇到了类似于np.argsort()[num]的形式，一直看不明白，就自己去python环境自己试了下：

ps：这里的num的绝对值小于等于x中元素的个数

当num>=0时，np.argsort()[num]就可以理解为y[num];

当num<0时，np.argsort()[num]就是把数组y的元素反向输出，例如np.argsort()[-1]即输出x中最大值对应的index，np.argsort()[-2]即输出x中第二大值对应的index，依此类推。。

直观的实验才能看到效果，下面是我拿上面例子做的验证：

这是当num为负值时的输出。

这个是num>=0时的输出。

7.dot()

dot()函数是矩阵乘，而*则表示逐个元素相乘

8.random.choice()

可以从一个int数字或1维array里随机选取内容，并将选取结果放入n维array中返回。

numpy.random.choice(a, size=None, replace=True, p=None)

a : 1-D array-like or int If an ndarray, a random sample is generated from its elements. If an int, the random sample is generated as if a was np.arange(n)

size : int or tuple of ints, optional

replace : boolean, optional Whether the sample is with or without replacement

p : 1-D array-like, optional The probabilities associated with each entry in a. If not given the sample assumes a uniform distribution over all entries in a.

9.numpy.flatnonzero():

该函数输入一个矩阵，返回扁平化后矩阵中非零元素的位置（index）

这是官方文档给出的用法，非常正规，输入一个矩阵，返回了其中非零元素的位置

>>> x = np.arange(-2, 3)
>>> x
array([-2, -1,  0,  1,  2])
>>> np.flatnonzero(x)
array([0, 1, 3, 4])

用来返回某个特定元素的位置:

对向量元素的判断d==3返回了一个和向量等长的由0/1组成的矩阵，然后调用函数，返回的位置，就是对应要找的元素的位置。

d = np.array([1,2,3,4,4,3,5,3,6])
haa = np.flatnonzero(d == 3)
print haa

猜你喜欢