记不住的笔记

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