Numpy中一些函数的简单使用

在学习Char-RNN时，遇到了一些Numpy下的一些参数，在此记录一下。

argsort()

我们先给出个例子：

import numpy as np

x=np.array([6,0,2,8,-1,9,4])
y=x.argsort()[:]
print(y)  

输出结果为：

[4 1 2 6 0 3 5]   

argsort()函数首先将x从小到大排列，然后给出排序后的每个元素在原数组中的索引，并返回该索引数组。比如数组x的最大值和最小值分别为9和-1，他们在x中对应的索引分别为5和4，故y[0]=4, y[6]=5。

squeeze()

numpy.squeeze(a,axis = None)

该函数的作用是删除数组a的指定维度，并且该维度必须为单维度，axis取值可为None、int或者tuple of int。当axis为空时，将删除所有的单维度条目。

import numpy as np

a = np.arange(10).reshape(1,10)
print(a.shape)
b = np.squeeze(a)
print(b)
print(b.shape)  

运行结果为：

(1,10)
[0 1 2 3 4 5 6 7 8 9]
(10,)   

squeeze()函数删除了数组形状中的单维度项目。

c=np.array([[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]])
print(c.shape)
d=np.squeeze(c,axis = 1)
print(d)
print(d.shape)  

运行结果：

ValueError: cannot select an axis to squeeze out which has size not equal to one  

可以看到，当试图删除非单维度条目时会报错。

random.choice()

该函数从给定的一维数组中随机采样。

numpy.random.choice(a, size=None, replace=True, p=None)

参数的含义：

• a:若为一维数组，则表示从这个一维数组中随机采样；若为整数，则表示从0到a-1中随机采样。

• size:采样结果的数量，默认为1；该参数可为int型，表示采样的数量；也可以是tuple，如(i,j,k),表示采样的数量为(i,j,k)。

• replace:决定采样中是否有重复值。

• p:一维数组，对应着a中每个采样点的概率分布，若没有标出，则使用标准分布。

  y=np.random.choice(5, 3, replace=False, p=[0.1, 0, 0.3, 0.6, 0])
  print(y)

结果为：

[3 2 0]