• numpy 其它常用方法


    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)
  • 相关阅读:
    [Android 4.4.4] 泛泰A850 三版通刷 Mokee4.4.4 KTU84P 20140626 RC2.2 by syhost
    YUV12(420) (from)to RGB24
    Python图像处理(16):图像金字塔
    内存管理笔记(分页,分段,逻辑地址,物理地址)【转】
    Linux内核分析--内核中的数据结构双向链表【转】
    标准IO与文件IO 的区别【转】
    Linux中设备号及设备文件【转】
    静态编译和动态编译的区别【转】
    嵌入式系统 Boot Loader 技术内幕【转】
    理解 Linux 的硬链接与软链接【转】
  • 原文地址:https://www.cnblogs.com/wt7018/p/11954850.html
Copyright © 2020-2023  润新知