Numpy 最大值与最大值索引函数+random总结

numpy.amin() 和 numpy.amax()

#numpy.amin() 和 numpy.amax() 这些函数从给定数组中的元素沿指定轴返回最小值和最大值。

import numpy as np
a=np.array([[3,7,5],[8,4,3],[2,4,9]])
print(np.amax(a)) #输出为9 没有指定轴会将数组展开
print(np.amax(a,axis=0))#[8 7 9] 寻找每一列最大值
print(np.amax(a,axis=1))#[7 8 9] 寻找每一行最大值

numpy.argmax() 和 numpy.argmin()

numpy.argmax() 和 numpy.argmin() 这两个函数分别沿给定轴返回最大和最小元素的索引。

a = np.array([[30,40,70],[80,20,10],[50,90,60]])
print(np.argmax(a))#输出90的索引7
print(np.argmax(a,axis=0))#[1 2 0]
print(np.argmax(a,axis=1))#[2 0 1]

random

"""
函数名                                   			说明
    seed([seed])                          设定随机种子，这样每次生成的随机数会相同
    rand(d0,d1,d2.....)                   返回数据在[0,1)之间，具有均匀分布
    randn(d0,d1,d2....)                   返回标准正态分布(均值0，方差1)
    randint(low[,high,size,dtype])        返回随机整数，包含low，不包含high
    choice(a[,size,replace,p])            a是一个数组，从它之间生成随机结果
    random([size])                        随机生成[0.0,1.0)之间的小数
    shuffle(x)                            把数组x进行随机排列
    permutation(x)                        把数组x进行随机排列，或数字的全排列
    normal（[loc，scale，size]）           按照平均值loc和方差scale生成高斯分布的数字
    uniform([loc,high,size])              在[loc,high)之间生成均匀分布的数字   
"""

设置随机数种子 使每次结果可复现

np.random.seed(666)

• randn(d1,d2,…) d=dim

生成5个[0,1)之间的数据，符合均匀分布

print(np.random.rand(5))
#3行4列
print(np.random.rand(3,4))

• randn(d1,d2,…) d=dim

返回标准正态分布(均值0，方差1)

print(np.random.randn(5))
#2x3x4
print(np.random.randn(2,3,4))

• randint(low,high,[size],dtype)

生成随机整数 [low,high)

print(np.random.randint(5)) #(0,5] #默认生成一个数
print(np.random.randint(1,3)) #[1,3)
print(np.random.randint(2,7,size=3)) #3个随机[2,7)
print(np.random.randint(1,10,size=[2,3,4])) #3个随机[2,7)

• random([size])

[0,1)之间的小数

print(np.random.random(4))
print(np.random.random([2,4]))

• #choice(a,[size])

a为数组 从a中随机选择size个数这里是引用

print(np.random.choice([1,2,3]))#默认选择1个
print(np.random.choice([1,2,3,4,5,6,6],[2,5]))

• shuffle(x)

将一个数组打乱

a=np.arange(10)
np.random.shuffle(a)
print(a)
b=np.arange(12).reshape(3,4)
np.random.shuffle(b)

• permutation 与shuffle同理

• normal（loc，scale，[size]）

按照平均值loc和方差scale生成高斯分布的数字

print(np.random.normal(1,10,10))
print(np.random.normal(1,10,[2,5]))

• uniform(loc,high,[size])

在[loc,high)之间生成均匀分布的数字

print(np.random.uniform(1, 10, 10))
print(np.random.uniform(1,10,[2,3]))