numpy函数记录

自己在做CS231N课程的时候,经常遇到一些函数不熟悉,每次都要反复查询,故特此记录便于日后查找

np.random.choice

numpy.random.choice(a, size=None, replace=True, p=None)
从a(只要是ndarray都可以，但必须是一维的)中随机抽取数字，并组成指定大小(size)的数组
replace:True表示可以取相同数字，False表示不可以取相同数字
数组p：与数组a相对应，表示取数组a中每个元素的概率，默认为选取每个元素的概率相同。

numpy.prod

返回给定维度上各个元素的乘积
numpy.prod(a, axis=None, dtype=None, out=None, keepdims=<no value>, initial=<no value>)
axis是指求积的维度
keepdims是指保持维度，不缩减
initial是起始数，即返回的矩阵会在元素乘积上再乘起始数

>>> np.prod([[1.,2.],[3.,4.]])
24.0
>>> np.prod([[1.,2.],[3.,4.]], axis=1)
array([  2.,  12.])
>>> x = np.array([1, 2, 3], dtype=np.uint8)
>>> np.prod(x).dtype == np.uint
True
>>> np.prod([1, 2], initial=5)
10

 np.linspace

生成指定范围内指定个数的一维数组

• def linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None):
• 在指定的间隔[“start”,“stop”]内均匀地返回数字。返回“num”个等间距的样本。
• endpoint是一个bool类型的值，如果为"Ture",“stop"是最后一个值，如果为"False”,生成的数组不会包含"stop"值
• retstep是一个bool类型的值，如果为"Ture"，会返回样本之间的间隙。
• 其他相似的函数
  • arange 和 linespace 相似，但是使用步长而不是样本的数量来确定生成样本的数量.

>>> np.linspace(2.0, 3.0, num=5)
    array([ 2.  ,  2.25,  2.5 ,  2.75,  3.  ])
>>> np.linspace(2.0, 3.0, num=5, endpoint=False)
    array([ 2. ,  2.2,  2.4,  2.6,  2.8])
>>> np.linspace(2.0, 3.0, num=5, retstep=True)
    (array([ 2.  ,  2.25,  2.5 ,  2.75,  3.  ]), 0.25)

np.random.uniform

函数原型：  numpy.random.uniform(low,high,size)

功能：从一个均匀分布[low,high)中随机采样，注意定义域是左闭右开，即包含low，不包含high.

参数介绍:
    
    low: 采样下界，float类型，默认值为0；
    high: 采样上界，float类型，默认值为1；
    size: 输出样本数目，为int或元组(tuple)类型，例如，size=(m,n,k), 则输出m*n*k个样本，缺省时输出1个值。

返回值：ndarray类型，其形状和参数size中描述一致。

np.random.normal()

numpy.random.normal(loc=0,scale=1e-2,size=shape)

其参数意义为：
参数loc(float)：正态分布的均值，对应着这个分布的中心。loc=0说明这一个以Y轴为对称轴的正态分布，
参数scale(float)：正态分布的标准差，对应分布的宽度，scale越大，正态分布的曲线越矮胖，scale越小，曲线越高瘦。
参数size(int 或者整数元组)：输出的值赋在shape里，默认为None。

标准正态分布，对应于np.random.normal(loc=0, scale=1, size)