numpy将所有数据变为0和1_Numpy基础总结

resize和reshape都可以改变ndarray的结构，但resize会对原值进行修改，返回None，而reshape不会对原值进行修改，返回是修改后结果。

importnumpy as np

arr= np.arange(15).reshape(3, 5)

arr

array([[ 0,1, 2, 3, 4],

[ 5, 6, 7, 8, 9],

[10, 11, 12, 13, 14]])

zeros

生成指定结构的默认为 0. 的 array

np.zeros ((3,4))

array([[ 0., 0., 0., 0.],

[ 0., 0., 0., 0.],

[ 0., 0., 0., 0.]])

ones

生成一个三维的 array,通过 dtype 指定类型

np.ones( (2,3,4), dtype=np.int32 )

array([[[1, 1, 1, 1],

[1, 1, 1, 1],

[1, 1, 1, 1]],

[[1, 1, 1, 1],

[1, 1, 1, 1],

[1, 1, 1, 1]]])

arange

指定范围和数值间的间隔生成 array，注意范围包左不包右

np.arange(0,10,2)

array([0,2, 4, 6, 8])

linespace 随机数

生成等差数列

>>> np.linspace(0,10) # 默认生成50个值

array([ 0. ,0.20408163, 0.40816327, 0.6122449 , 0.81632653,1.02040816, 1.2244898 , 1.42857143, 1.63265306, 1.83673469,2.04081633, 2.24489796, 2.44897959, 2.65306122, 2.85714286,3.06122449, 3.26530612, 3.46938776, 3.67346939, 3.87755102,4.08163265, 4.28571429, 4.48979592, 4.69387755, 4.89795918,5.10204082, 5.30612245, 5.51020408, 5.71428571, 5.91836735,6.12244898, 6.32653061, 6.53061224, 6.73469388, 6.93877551,7.14285714, 7.34693878, 7.55102041, 7.75510204, 7.95918367,8.16326531, 8.36734694, 8.57142857, 8.7755102 , 8.97959184,9.18367347, 9.3877551 , 9.59183673, 9.79591837, 10. ])>>> np.linspace(1,20,10,dtype=int) 可指定区间范围，个数，和类型

array([1, 3, 5, 7, 9, 11, 13, 15, 17, 20])

random 随机数

生成指定结构的随机数，可以用于生成随机权重，用法和Python的random模块基本一致

np.random.random((2,3))

array([[0.86166627, 0.37756207, 0.94265883],

[ 0.9768257 , 0.96915312, 0.33495431]])

>>> li = list(range(0,10))

>>>li

[0,1, 2, 3, 4, 5, 6, 7, 8, 9]>>>np.random.shuffle(li)>>>li

[5, 6, 8, 2, 1, 3, 9, 4, 0, 7]>>>np.ran