numpy中一些常用函数记录（3）

1. np.prod()    ： prod函数用于求数组元素的乘积。

Note: 数组没有元素，即为空时，得到的值为 1.0

In [2]: np.prod([])
Out[2]: 1.0

In [4]: np.prod([[],[]])
Out[4]: 1.0

示例：

>>> np.prod([1.,2.])
2.0

>>> np.prod([[1.,2.],[3.,4.]])
24.0

>>> np.prod([[1.,2.],[3.,4.]], axis=1)
array([  2.,  12.])

了解更加详细参数相关信息，参看numpy.prod()

 

2.  np.pad()  :  根据需要将数组填充成指定的形状

   这里只介绍卷积过程中为防止图片信息丢失使用的 0 填充模式

#二维数组
>>> a=np.arange(1,5).reshape(2,2)

>>> a
   [[1 2]
    [3 4]]

# a是二维数组， 中间的两个（2，3）分别针对 axis=0 和 axis=1 来填充
# mode="constant" 是默认填充值为0
>>> np.pad(a,((2,3),(2,3)),mode="constant")
>>> array([[0, 0, 0, 0, 0, 0, 0],
           [0, 0, 0, 0, 0, 0, 0],
           [0, 0, 1, 2, 0, 0, 0],
           [0, 0, 3, 4, 0, 0, 0],
           [0, 0, 0, 0, 0, 0, 0],
           [0, 0, 0, 0, 0, 0, 0],
           [0, 0, 0, 0, 0, 0, 0]])

# costant 有值时 按给出的值填充
In [15]: np.pad(a,((2,3),(2,3)),mode="constant",constant_values=(6,8))
Out[15]:
array([[6, 6, 6, 6, 8, 8, 8],
       [6, 6, 6, 6, 8, 8, 8],
       [6, 6, 1, 2, 8, 8, 8],
       [6, 6, 3, 4, 8, 8, 8],
       [6, 6, 8, 8, 8, 8, 8],
       [6, 6, 8, 8, 8, 8, 8],
       [6, 6, 8, 8, 8, 8, 8]])

具体函数信息参看：numpy.pad()

 

3. np.random.randn()  : 返回一个服从正态分布的数组

标准形式 ：  :  sigma * np.random.randn(...) + mu   

#我们一般常用返回为服从N(0,1)正态分布数组

In [28]: np.random.randn(3,3)
Out[28]:
array([[ 0.77832362, -0.26915292, -0.0997728 ],
       [ 1.38962369, -0.4438962 , -1.00224716],
       [-1.06567318,  1.42600225, -0.6901084 ]])

具体参数信息参看 ：https://docs.scipy.org/doc/numpy/reference/generated/numpy.random.randn.html

 

4. np.random.rand()  ： 返回一个给定shape的（0，1）之间的均匀分布

# 返回一个 4*4 数值
In [29]: np.random.rand(4,4)
Out[29]:
array([[0.10359531, 0.88317262, 0.50667337, 0.38014409],
       [0.59356012, 0.54673751, 0.68416049, 0.89578659],
       [0.52713305, 0.20503638, 0.79684913, 0.73882077],
       [0.11927379, 0.00325085, 0.65378211, 0.94322903]])

具体函数信息参看： https://docs.scipy.org/doc/numpy/reference/generated/numpy.random.rand.html

5. np.linspace() 

        在指定的间隔内返回均匀间隔的数字。返回number均匀分布的样本，在[start, stop]。这个区间的端点可以任意的被排除在外。

>>>
>>> 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)

函数具体信息参看：np.linspace()