一、创建特殊的数组
1、ones()
语法
np.ones(shape, dtype=None) # shape 创建数组的shape # dtype 指定数组的数据类型
例子
import numpy as np arr1 = np.ones((3, 4), dtype="int64") print(arr1) print(arr1.dtype)
2、zeros
语法
np.zeros(shape, dtype=None) # shape 创建数组的shape # dtype 指定数组的数据类型
例子
import numpy as np arr1 = np.zeros((8, ), dtype="int64") print(arr1) print(arr1.dtype)
3、eye
正方形数组,对角线为1,其它为0
语法
eye(N, dtype=float) # N 数组的轴长度 # dtype 数据的类型
例子
import numpy as np arr1 = np.eye(3, dtype=int) print(arr1) print(arr1.dtype)
二、生成随机数组
1、rand
语法
np.random.rand(*shape) # 创一个随机数组,数值范围0~1
例子
import numpy as np a = np.random.rand(*(3, 4)) print(a)
2、randn
语法
np.random.randn(*dn) # 标准正太分布随机数,浮点数,平均数为0,标准差1 # dn shape
例子
import numpy as np a = np.random.randn(*(3, 4)) print(a)
3、randint 最常用
语法
np.random.randint(low, high=None, size=None) # 生成随机整数 # low 最小值 # high 最大值 # size 和 shape一样
例子
import numpy as np a = np.random.randint(5, 10, (3, 4)) print(a)
4、uniform
语法
np.random.uniform(low=0.0, high=1.0, size=None) # 产生具有均匀分布的数组 # low 起始值 # high 结束值 # size 和shape一样
例子
import numpy as np a = np.random.uniform(2, 4, (3, 4)) print(a)
5、normal
语法
np.random.normal(loc=0.0, scale=1.0, size=None) # 从指定的正太分布中随机抽样 # loc 分布中心 # scale 标准差 # size 形状
例子
import numpy as np a = np.random.normal(0, 4, (3, 4)) print(a)
6、seed
语法
np.random.seed(s) # 随种子,s是给定的种子值,通过这种方式后面的随机数是第一次生成的随机数
例子
import numpy as np np.random.seed(10) # a是第一次生成的随机数 a = np.random.randint(2, 8, (3, 4)) print(a)
三、copy和view
1、a=b 完全不赋值,a和b互相影响
2、a=b[:], 视图的操作,一种切片,会创建新的对象a,但是a的数据完全由b保管,他们两个的数据变化是一致的
3、a=b.copy(),复制,a和b互不影响
四、获取最大值和最小值的位置
1、获取最小值的位置
语法
argmin(a, axis=None) # 获取对应轴的最小值的位置 # a 数组 # axis 轴
例子
import numpy as np np.random.seed(1) arr1 = np.random.randint(10, 100, (3, 4)) print(arr1) a = np.argmin(arr1, axis=1) print(a)
2、获取最大值的位置
语法
argmax(a, axis=None) # 获取对应轴的最大值的位置 # a 数组 # axis 轴
例子
import numpy as np np.random.seed(1) arr1 = np.random.randint(10, 100, (3, 4)) print(arr1) a = np.argmax(arr1, axis=0) print(a)