python中的np.ones_numpy常用函数normal、randn、shape、ones——持续更新中

1、np.random.normal(mean,stdev,size)

给出均值为mean，标准差为stdev的高斯随机数(场)，当size赋值时，例如：size=100，表示返回100个高斯随机数。

2、numpy.random.randn(d0, d1, ...,

dn) (出自：http://www.cnblogs.com/sthinker/p/6775675.html)

这个函数的作用就是从标准正态分布中返回一个或多个样本值。什么是标准正态分布，大哥，你别吓我，上过高中吗？标准正态分布俗称高斯分布，正态分布是大自然中最常见的分布，标准正态分布就是期望为0，方差为1的正态分布。

如果没有参数，则返回一个值，如果有参数，则返回(d0,

d1, …, dn)个值，这些值都是从标准正态分布中随机取样得到的。

d0,

d1, …, dn都应该是整数，是浮点数也没关系，系统会自动把浮点数的整数部分截取出来。

参数d0,

d1, …, dn：应该为正整数，表示维度。

返回值

Z：ndarray或者float。

如果想要从非标准正态分布中产生随机样本，咋办？比如下面这个正态分布：

N(\mu,\sigma^2)

其实很简单，就是简单的加减乘除，如下所示：

\sigma

* np.random.randn(...) + \mu

看几个例子吧：

np.random.randn()

返回：

-0.8405297****8702

再比如：

2.5

* np.random.randn(2, 4) + 3

返回：

array([[

4.128****53,  1.764****44 ,

2.732****92,

2.90839231],

[

0.174****86,  4.92026887,

1.574****66, -0.4305991 ]])

这个函数与numpy.random.standard_normal函数非常相似，我都不知道为啥要设置两个功能重叠的函数，但是调用方式不一样：

numpy.random.standard_normal(size=None)

size参数就是一个整数或者一个整数的元组，表示维度，看看下面的例子：

np.random.standard_normal(8000)

或者：np.random.standard_normal(size=(3,

4, 2))

想用哪个自己选吧，不过建议还是使用randn，毕竟常用一些。

3、numpy的ones函数返回的是什么类型

>>>

np.ones(5)

array([

1.,  1.,  1.,

1.,  1.])

>>> np.ones((5,),

dtype=np.int)

array([1, 1, 1, 1,

1])

np.ones((2,

1))

array([[

1.],

[

1.]])

>>> s =

(2,2)

>>>

np.ones(s)

array([[ 1.,

1.],

[ 1.,

1.]])

#其中，ones函数的参数如下

numpy.ones(shape, dtype=None,

order='C')

#返回值就是一个给定类型和大小的数组

4、python: numpy--函数

shape用法

http://blog.csdn.net/u010758410/article/details/71554224

shape函数是numpy.core.fromnumeric中的函数，它的功能是查看矩阵或者数组的维数。

举例说明：

建立一个3×3的单位矩阵e, e.shape为(3，3)，表示3行3列,第一维的长度为3，第二维的长度也为3

>>>

x=np.array([[1, 2, 3],

[4, 5,

6]])

>>>

x

array([[1, 2,

3],

[4, 5,

6]])

>>>

c=x.shape[1]#列

>>>

c

3

>>>

z=x.shape[0]#行

>>>

z

2

>>> e = eye(3)

>>> e

array([[ 1., 0., 0.],

[ 0., 1., 0.],

[ 0., 0., 1.]])

>>> e.shape

(3, 3)

>>> e = eye(3)

>>> e

array([[ 1., 0., 0.],

[ 0., 1., 0.],

[ 0., 0., 1.]])

>>> e.shape

(3, 3)

建立一个一维矩阵b, b.shape 为矩阵的长度

>>> b =array([1,2,3,4])

>>> b.shape

(4,)

#可以简写

>>> shape([1,2,3,4])

(4,)

>>>

>>> b =array([1,2,3,4])

>>> b.shape

(4,)

#可以简写

>>> shape([1,2,3,4])

(4,)

>>>

建立一个4×2的矩阵c, c.shape[1] 为第一维的长度，c.shape[0] 为第二维的长度。

>>> c = array([[1,1],[1,2],[1,3],[1,4]])

>>> c.shape

(4, 2)

>>> c.shape[0]

4

>>> c.shape[1]

2

>>> c = array([[1,1],[1,2],[1,3],[1,4]])

>>> c.shape

(4, 2)

>>> c.shape[0]

4

>>> c.shape[1]

2

一个单独的数值，返回值为空

>>> shape(3)

()

>>> shape(3)

()