数据科学库——numpy中的随机方法

#coding = urf-8
import numpy as np

us_data = "./youtube_video_data/US_video_data_numbers.csv"
uk_data = "./youtube_video_data/UK_video_data_numbers.csv"

#加载国家数据
us_data = np.loadtxt(us_data, delimiter=",", dtype=int)
uk_data = np.loadtxt(uk_data, delimiter=",", dtype=int)

#添加国家信息
#构造全为0的数据
zeros_data = np.zeros((us_data.shape[0],1)).astype((int)
ones_data =np.ones((uk_data.shape[0],1)).astype(int)

#分别添加一列全为0，1的数组
us_data = np.hstack((us_data, zeros_data))
uk_data = np.hstack((us_data, ones_data))

#拼接两组数据
final_data = np.vstack((uk_data,uk_data))
print(final_data)

numpy中更多的好办法

• 获取最大值最小值的位置
  np.argmax(t,axis=0)
  np.argmin(t,axis=1)

• 创建一个全0的数组: np.zeros((3,4))

• 创建一个全1的数组:np.ones((3,4))

• 创建一个对角线为1的正方形数组(方阵)：np.eye(3)

参数	解释
.rand(d0,d1,…dn)	创建d0-dn维度的均匀分布的随机数数组，浮点数，范围为0-1
.randn(d0,d1,…dn)	创建d0-dn维度的标准正态分布随机数，浮点数，平均数0，标准差1
.randint(low,high,(shape))	从给定上下限范围选取随机数整数，范围是low，high，形状是shape
.unifrom(low,high,(size))	产生具有均匀分布的数组，low起始值，high结束值，size形状
.normal(loc,scale,(size))	从指定正态分布中随机抽取样本，分布中心是loc（概率分布的均值），标准差是scale，形状是size
.seed(s)	随机数种子，s是给定的种子值。因为计算机生成的是伪随机数，所以通过设定相同的随机数种子，可以每次生成相同的随机数