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