numpy常用函数笔记

1. np.log10()

计算以10为底的对数值

import numpy as np
np.log10(x)

>>>np.log10(100)
2.0

2. np. log()

计算以e为底的对数值

import numpy as np
np.log(x)

>>>np.log(np.e)
1.0
>>>np.log(10)
2.3025850929940459

3. np.log2()

计算以2为底的对数值，直接把2放在log和()之间

import numpy as np
np.log2(x)

>>>np.log2(4)
2.0

4. np.random.shuffle(x)

将给定的数组的内容进行重新排序（类似于洗牌，打乱顺序）

arr=np.arange(10)
np.random.shuffle(arr)
>>>arr
array([5, 2, 7, 0, 6, 3, 4, 1, 8, 9])

#多维
arr=np.arange(12).reshape(3,4)
>>>arr
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

np.random.shuffle(arr)
>>>arr
array([[ 4,  5,  6,  7],
       [ 0,  1,  2,  3],
       [ 8,  9, 10, 11]])

5. np.mean()

功能：求平均值

通式：numpy.mean(a,axis,dtype,out,keepdims)

常用的参数：axis

eg:  m*n的矩阵

• 不设置axis：对m*n个值求平均
• axis=0：对每一列求平均值
• axis=1：对每一行求平均值

>>>import numpy as np
>>>a=np.array([[1,2],[3,4])
>>>a
array([[1,2],
    [3,4]])

>>>np.mean(a)
2.5
>>>np.mean(a,axis=0)
array([2.0,3.0])
>>>np.mean(a,axis=1)
array([1.5,3.5])

>>>import numpy as np
>>>a=array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
>>>a
array([
    [1,2,3],
    [4,5,6],
    [7,8,9],
    [10,11,12]])
>>>b=np.mat(a)
>>>b
matrix([
    [1,2,3],
    [4,5,6],
    [7,8,9],
    [10,11,12]])

>>>np.mean(b)
6.5
>>>np.mean(b,0)
matrix[[5.5,6.5,7.5]]
>>>np.mean(b,1)
matrix[[2.0],
    [5.0],
    [8.0],
    [11.0]]

6. np.random. choice()

从一个int数字或1维array里随机选取内容

通式：np.random.choice(a, size=None, replace=True, p=None)

>>>import numpy as np
>>>np.random.choice(5,3)#从0-4五个数中任取三个
array([0,3,4])

>>>np.random.choice(5,3,p=[0.1,0,0.3,0.6,0])#从0-4五个数中以概率p随机取三个
array=([3,3,0])

>>>np.random.choice(5,3,replace=False,p=[0.1,0,0.3,0.6,0])#从0-4五个数中不重复的以概率p随机取三个
array([2,3,0])

7. np.ceil()和np.floor()

向上取整和向下取整

8. np.clip()

通式：numpy.clip(a, a_min, a_max, out=None)[source]

其中a是一个数组，后面两个参数分别表示最小和最大值，将数组中大于最大值的值，改为最大值，小于最小值的值，改为最小值，其余不变。eg:

import numpy as np
x=np.array([1,2,3,5,6,7,8,9])
np.clip(x,3,8)

输出：array([3,3,3,5,6,7,8,8])

高维数组道理一样：

import numpy as np
x=np.array([[1,2,3,5,6,7,8,9],[1,2,3,5,6,7,8,9]])
np.clip(x,3,8)

输出：
array([[3, 3, 3, 5, 6, 7, 8, 8],
       [3, 3, 3, 5, 6, 7, 8, 8]])