np的随机数生成
numpy.random.randint(low, high=None, size=None, dtype=‘l’)
生成的数据要在[high,low)之间,high默认值为0,size是生成的矩阵的shape,dtypt:数据类型
input_array = np.random.randint(1000, size=(32, 10))
print(input_array.shape,input_array.dtype)
>>>(32, 10) int32
input_array1 = np.random.uniform(1,5,(2,3))#前两个参数为元素范围,最后一个是矩阵shape
>>>[[2.58757534 3.6917545 2.53026919]
[3.70065754 3.12322928 3.06174866]]
input_array2 = np.random.rand(3,4) #各元素无范围限制的,shape为(3,4)的矩阵
>>>float64 (3, 4) [[-0.55061674 -1.25574343 -0.53033321 1.13546141]
[ 1.47614352 1.9228003 1.51958772 0.35331437]
[-1.33329529 0.24275416 0.99682704 -1.56449147]]
input_array3 = np.random.randn(3,4)#各元素范围限制在[0,1],shape为(3,4)的矩阵
>>>float64 (3, 4) [[0.71634687 0.15721919 0.84557339 0.57129777]
[0.51859443 0.91879306 0.63894049 0.65203075]
[0.27297194 0.8243076 0.38588057 0.32488186]]
input_array4 = np.arange(9).reshape((3,3)).astype(np.float32)#生成0-9的int序列,在reshape,再转float32
print(input_array4)
>>>[[0. 1. 2.]
[3. 4. 5.]
[6. 7. 8.]]
##关于维度的理解(以ones为例)
#零维
x = np.ones(0)
x = np.array(())
>>>[]
#一维
x = np.ones(num)# 0<num的整数
>>>[1,1,1,1....]
#多维
x = np.ones((n1,n2,n3,n4,......))#多维时只要有一个ni为0,x就会变为零维的
x = np.ones((1,2,3,0))
>>>[]
x = np.ones((2,2,3))#简单的理解就是矩阵的前面有几个中括号就是几维的
>>>[[[1. 1. 1.]
[1. 1. 1.]]
[[1. 1. 1.]
[1. 1. 1.]]]
指针和引用
1.指针本身所储存的是所指对象的地址,引用是对象的别名
2.指针可以初始化,且所指对象可以改变,引用不能初始化,且和对象是绑定的