numpy的相关函数使用说明

np.r_

np.r_是按列连接两个或多个矩阵，就是把矩阵上下相加，要求列数相等。
如：

print(':\n',np.r_[[2, 3],[1,4],[5,6]])

np.c_

np.c_是按行连接两个或多个矩阵，就是把矩阵左右相加，要求行数相等。
如：

print(':\n',np.c_[[2, 3],[1,4],[5,6]])

np.random.seed()

np.random.seed(0)

 seed( ) 用于指定随机数生成时所用算法开始的整数值，如果使用相同的seed( )值，则每次生成的随即数都相同

设置seed（）里的数字就相当于设置了一个盛有随机数的“聚宝盆”，一个数字代表一个“聚宝盆”，当我们在seed（）的括号里设置相同的seed，“聚宝盆”就是一样的，那当然每次拿出的随机数就会相同（不要觉得就是从里面随机取数字，只要设置的seed相同取出地随机数就一样）。如果不设置seed，则每次会生成不同的随机数。seed括号里的数值基本可以随便设置。
括号内的参数可以任意设置，只要前后所用参数一样，就可以取到一样的随机数。

np.linspace()

该函数的形式为：
linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
作用为：在指定的大间隔内，返回固定间隔的数据。他将返回“num”个等间距的样本，在区间[start, stop]中。其中，区间的结束端点可以被排除在外。

参数：

start : scalar（标量）
队列的开始值
1
2
stop : scalar

队列的结束值。当‘endpoint=False’时,不包含该点。在这种情况下，队列包含除了“num+1"以外的所有等间距的样本。

要注意的是，当‘endpoint=False’时，步长会发生改变。

exam:

xx = np.linspace(-5,5)   # 默认数量为50

结果

 [-5.         -4.79591837 -4.59183673 -4.3877551  -4.18367347 -3.97959184
 -3.7755102  -3.57142857 -3.36734694 -3.16326531 -2.95918367 -2.75510204
 -2.55102041 -2.34693878 -2.14285714 -1.93877551 -1.73469388 -1.53061224
 -1.32653061 -1.12244898 -0.91836735 -0.71428571 -0.51020408 -0.30612245
 -0.10204082  0.10204082  0.30612245  0.51020408  0.71428571  0.91836735
  1.12244898  1.32653061  1.53061224  1.73469388  1.93877551  2.14285714
  2.34693878  2.55102041  2.75510204  2.95918367  3.16326531  3.36734694
  3.57142857  3.7755102   3.97959184  4.18367347  4.3877551   4.59183673
  4.79591837  5.        ]

np.pad()

参数形式：

ndarray = numpy.pad(array, pad_width, mode, **kwargs)

• array:要填补的数组
• pad_width为在各维度的各个方向上想要填补的长度，如((1,2),(2,1))表示在第一个维度上水平方向上padding=1，垂直方向上padding=2，在第二个维度上水平方向padding=2，垂直方向padding=1。如果是直接输入一个整数，那么说明各个维度和各个方向所填补的长度都一样。
• mode为填补类型，即怎样去填补，有“constant”，“edge”等模式，如果为constant模式，就得指定填补的值，如果不指定，则默认填充0。
• ndarray为填充好的返回值。

填充方式：

• ‘constant’——表示连续填充相同的值，每个轴可以分别指定填充值，constant_values=（x, y）时前面用x填充，后面用y填充，缺省值填充0。
• ‘edge’——表示用边缘值填充。
• ‘linear_ramp’——表示用边缘递减的方式填充。
• ‘maximum’——表示最大值填充
• ‘mean’——表示均值填充
• ‘median’——表示中位数填充
• ‘minimum’——表示最小值填充
• ‘reflect’——表示对称填充
• ‘symmetric’——表示对称填充
• ‘wrap’——表示用原数组后面的值填充前面，前面的值填充后面