(作者:陈玓玏)
一、自动生成全0二维数组
比如在实现逻辑回归和线性回归等算法时,需要先初始化一个权值矩阵,也就是要自动生成一个固定大小且各值全部相等的二维矩阵,这时候就可以用numpy来实现了。
下面的代码就是生成一个x行y列的全为0的矩阵。
import numpy as np
array = np.ones((x,y))*0
二、使用range生成整数等差数列
在进行for循环时,常常需要生成整数等差数列作为list的可迭代变量的索引,方便遍历这些变量,使用range就可以实现了。
下面两行代码是两种常用的方式,第一种是顺序遍历,从listA[0]开始逐个遍历到listA[-1],也就是listA的第一个到最后一个,这里之所以不用担心超出索引,是因为range生成的是一个左闭右开区间的等差数列。第二种方式是倒序遍历,这种方法不常用,注意步长要写成-1,不是1。
[listA[v] for v in range(len(listA))]
[listA[v] for v in range(len(listA)-1,0,-1)]
三、使用arange生成小数等差数列
range只能生成整数等差数列,如果使用range来生成小数等差数列,会报TypeError: ‘float’ object cannot be interpreted as an integer这个错误。arange函数是numpy包里的,使用时记得先引入numpy。
import numpy as np
print(np.arange(0,1,0.1))
还是要注意区间左闭右开的问题,上面的方法生成的就是只包含0,不包含1的list。这个方法在绘制ks曲线时会用得到,因为ks曲线要在[0,1]区间内取划分正负样本的阈值,依次来计算ks曲线。