numpy学习

知识点一、numpy中生成随机样本点的方法

（1）1、使用numpy.random.rand(d0, d1, ....dn):方法

    生成指定形状的数组，其元素值是在均匀分布[0, 1]之间随机生成，其中d0, ...dn表示的是数组的大小（也就是维数，只有一个数字时默认是一维的），如果不指定大小，默认返回一个随机数值。数组默认的返回类型是float.如果指定100，那么返回一个1*100的一维数组。

例如：

1. w0 = np.random.rand()
2. print w0,  "\n"
4. w00 = np.random.rand( 2,  3)
5. print w00,  "\n"
6. 输出：
7. 0.528211605811 #0-1之间的随机值
9. [[  0.89478507  0.81066081  0.04658165] #0-1之间的随机值
10. [  0.88438714  0.76890682  0.86752058]]

2、numpy.random.randn(d0, d1, ...dn):

  从标准正态分布中返回一个随机样本。

<1>、无参数

1. w1 = np.random.randn()
2. print w1,  "\n"
3. 输出：

-0.755503212712 

<2>指定返回样本的大小

1. w2 = np.random.randn(2, 3)
2. print w2,  "\n"
3. 输出：
4. [[ 0.34894362 -0.90593742 1.41079113]
5. [ -0.67110078  -0.21309708  1.01333301]]

<3>从指定方差和均值的正态分布中随机生成一个样本：

  样式：  sigma * numpy.random.randn(d0, ...,dn) + mu

1. 例如：
2. sigma = 1.3
3. w3 = sigma * np.random.randn( 2,  3)
4. print w3
5. 输出：
6. [[ 1.12659049 -2.13454097 -0.84336796]
7. [ -0.00758082  -0.52353856  0.9649422 ]]

3、1）np.random.randint(0,10,size=3) 

       #等价于np.random.randint(0,10,3)     

       #生成0-10的3个随机整数，只有一个数字3表示是生成一个1*3的一维矩阵

       输出： array([6, 7, 7])                               #为1*3的矩阵

     2） np.random.randint(0,10,size=(3,3))

       输出：
              Out[351]:                                         
              array([[5, 1, 4],

                         [2, 8, 4],                                       #为3*3的矩阵                              

                         [4, 2, 3]])

4、numpy.random.shuffle()

例如：

          x=['Python','data','random','Mining','good']
           random.shuffle(x)      # 用于将一个列表中的元素打乱,
            print (x)
                                                                    
                                                                            
['Mining', 'Python', 'random', 'data', 'good']

5、numpy.random.sample()

例如：

lists=[1,2,3,4,5,6,7,8,10]                                  #从指定序列中随机获取指定长度的片断

a=random.sample(lists,3)
print (a)
输出：[8, 6, 10]

6、numpy.random.normal(loc=0.0, scale=1.0, size=None)

先看伟大的高斯分布（Gaussian Distribution）的概率密度函数（probability density function）：

f(x)=12π−−√σexp(−(x−μ)22σ2)f(x)=12πσexp⁡(−(x−μ)22σ2)

对应于numpy中：

numpy.random.normal(loc=0.0, scale=1.0, size=None)

• 1

参数的意义为：

loc：float
    此概率分布的均值（对应着整个分布的中心centre）
scale：float
    此概率分布的标准差（对应于分布的宽度，scale越大越矮胖，scale越小，越瘦高）
size：int or tuple of ints
    输出的shape，默认为None，只输出一个值

• 1
• 2
• 3
• 4
• 5
• 6

我们更经常会用到的np.random.randn(size)所谓标准正态分布（μ=0,σ=1μ=0,σ=1），对应于np.random.normal(loc=0, scale=1, size)。

（2）使用numpy.linspace()方法

官方文档https://docs.scipy.org/doc/numpy/reference/generated/numpy.linspace.html

numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)Parameters(参数): 
start : 序列的起始点.
stop : 序列的结束点
num : 生成的样本数，默认是50。必须是非负。
endpoint : 如果True，'stop'是最后一个样本。否则，它不包括在内。默认为True。
retstep :  如果True,返回 (`samples`, `step`)
dtype : 

第1个例子endpoint的使用：

import numpy as np
print(np.linspace(2.0, 3.0, num=5))
print(np.linspace(2.0, 3.0, num=5, endpoint=True))
print(np.linspace(2.0, 3.0, num=5, endpoint=False))

输出：

[ 2.    2.25  2.5   2.75  3.  ]
[ 2.    2.25  2.5   2.75  3.  ]
[ 2.   2.2  2.4  2.6  2.8]

从上面输出可以看出endpoint=True时，输出包含了“stop”这个样本点；endpoint=False时，输出不包括“stop”这个样本点；默认情况endpoint=True。

---

第2个例子retstep的使用：

import numpy as np

print(np.linspace(2.0, 3.0, num=5))
a = np.linspace(2.0, 3.0, num=5, retstep=True)
print(a)
print(a[0])
print(a[1])

输出：

[ 2.    2.25  2.5   2.75  3.  ]
(array([ 2.  ,  2.25,  2.5 ,  2.75,  3.  ]), 0.25)
[ 2.    2.25  2.5   2.75  3.  ]
0.25

retstep=True时输出了步长（step），此时步长为0.25

---

第3个例子：

import numpy as np

import matplotlib.pyplot as plt
N = 8
y = np.zeros(N)
x1 = np.linspace(0, 10, N, endpoint=True)
x2 = np.linspace(0, 10, N, endpoint=False)
plt.plot(x1, y, 'o')
plt.plot(x2, y + 0.5, 'o')
plt.ylim([-0.5, 1])
plt.show()

输出：

知识点二、numpy添加新的维度：newaxis

numpy中包含的newaxis可以给原数组增加一个维度

np.newaxis放的位置不同，产生的新数组也不同

一维数组

x = np.random.randint(1, 8, size=5)

x
Out[48]: array([4, 6, 6, 6, 5])

x1 = x[np.newaxis, :]

x1
Out[50]: array([[4, 6, 6, 6, 5]])

x2 = x[:, np.newaxis]

x2
Out[52]: 
array([[4],
       [6],
       [6],
       [6],
       [5]])

由上图可知，把newaxis放在列的位置，就是增加一个列向量，放到行的位置就是增加一行。可以把1行5列的数组变成一个5行1列的数组。

高维数组

由上图可知，把newaxis放在第几个位置，就在该位置上增加一个维度。