numpy 常用api（一）

分享一下我老师大神的人工智能教程！零基础，通俗易懂！http://blog.csdn.net/jiangjunshow

也欢迎大家转载本篇文章。分享知识，造福人民，实现我们中华民族伟大复兴！

                       

numpy 常用api（二）

numpy 常用api（三）

clip

两个版本：

• np.clip

• 作为成员函数，x.clip

将一序列（sequence）中所有小于零的元素置零：

>>> x = np.arange(-5, 5)>>> xarray([-5, -4, -3, -2, -1,  0,  1,  2,  3,  4])       
  
  
1
2
3

1. 法1，布尔索引

   >>> x<0array([ True,  True,  True,  True,  True, False, False, False, False, False], dtype=bool)>>> x[x<0] = 0>>> xarray([0, 0, 0, 0, 0, 0, 1, 2, 3, 4])
       
       
   1
   2
   3
   4
   5

2. 法2：np.where（三目运算），不对原始序列进行修改

   >>> x = np.where(x<0, 0, x)array([0, 0, 0, 0, 0, 0, 1, 2, 3, 4])
       
       
   1
   2

3. 法3：使用clip，不对原始序列进行修改

clip的第一个参数表示目标区间最小值，第二个参数表示最大值，原始序列凡小于这个最小值的被这个最小值所替换，凡大于这个最大值的被这个最大值替换，必须指定一个参数，则另一个参数默认为的情况，在进行相加时会破坏整个内积运算的结果。

>>> 0*np.nan_to_num(np.log(0))0.0
  
  
1
2

我们或者：

def fn(a, y):    return -(np.dot(y.transpose(), np.nan_to_num(np.log(a)))+np.dot((1-y).transpose(), np.nan_to_num(np.log(1-a))))
  
  
1
2

或者：

def fn(a, y):    return -np.sum(np.nan_to_num(y*np.log(a)+(1-y)*np.log(1-a)))
  
  
1
2

np.cumsum()

np.cumsum(a)函数返回一个多维数组，其shape等于a的shape

p = np.random.random(100000)rolls = np.random.random((11, len(p)))Alice_wins = np.cumsum(rolls < p, 0)                                # 0，表示列向Bob_wins = np.cumsum(rolls >= p, 0)                                # 0，表示列向
  
  
1
2
3
4
5
6

首先需要说明的是，np.array() < 0，返回的是bool元素类型的多维数组。也即上述代码中的rolls < p，也即np.cumsum()的第一个参数为多维元组类型。np.cumsum(rolls < p, 0)，第二个参数0表示在列的方向进行累积相加。

           

给我老师的人工智能教程打call！http://blog.csdn.net/jiangjunshow