【笔记】高效率但却没用过的一些numpy函数

最近在看源码的时候，碰到了一些大佬们常用，但自己暂时还没用过的numpy函数，特意来总结下。

 

np.meshgrid()

该函数的功能是将两个一维向量转化成矩阵，具体看代码：

先做个初始化

然后传入参数得到输出

可以直观的看出，x1的行是x，x2的列是y，x1、x2矩阵大小为（x1的大小，x2的大小）。但是具体有什么用呢？等介绍完下面一个函数再详细解释哈。

 

np.ravel() vs np.flatten()

功能是一样的，都是将多为数组降为一维。具体区别上代码：

继续用上面代码中的数据：

可以看出都将各自的矩阵摊开了，那么区别呢？一般情况下，两者功能看起相同，其实区别肯定是内部处理的细节不同，而在这样的情况下，我们应该能猜出来，肯定一个是copy出来的，一个不是。那么我们用代码来证明：

很容易看出flatten是copy，而ravel是在源数据上进行操作的。

但是meshgrid()和该函数有什么关系呢？当然没啥直接关系，但是在做项目中或者做科研中需要绘画方格图，那么这俩一搭配，完美获得我们想要的数据：

r中表示x（或y）轴数据，f表示y（或x）轴数据，就能简单获得方格状数据。当然这个也能用其他方法做，但是看到大牛是这样做的，感觉还是需要学一学。
 

np.where()

1.就是查找满足条件值的坐标，见代码（参数一个值）：

2.满足条件值时，输出不同的数据，见代码（参数三个值）：

满足条件用参数0替换，不满足用参数1替换。

 

np.c_ and np.r_

np.c_是和np.r_感觉还是直接看代码吧：

是不是一目了然？

---

更多精彩内容，请关注 深度学习自然语言处理 公众号，就是下方啦！跟随小博主，每天进步一丢丢！哈哈！