![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Numpy
Better Bench
CS博士;研究领域:类脑计算、深度学习、机器学习、数据挖掘、自然语言处理、数学建模、量化金融,兼职网球教练4.0
展开
-
【Pandas+Python】初始化一个全零的Dataframe
解决方案初始化一个100*3的0矩阵,变为Dataframe类型,并为每列赋值一个属性import numpy as npimport pandas as pdarr = np.zeros((100,3))n_data = pd.DataFrame(arr,columns = ['a','b','c'])a b c0 0.0 0.0 0.01 0.0 0.0 0.02 0.0 0.0 0.03 0.0 0.0 0.04 0.0 0.原创 2021-06-24 08:34:18 · 12048 阅读 · 0 评论 -
【Python-Numpy】numpy.expand_dims()的解析与使用
作用扩展数组的形状插入一个新轴,该轴将出现在扩展数组形状的轴位置上举例使用(1)一维数组举例x = np.array([1, 2])x.shape(2,)y = np.expand_dims(x, axis=0)y.shape(1, 2)y = np.expand_dims(x, axis=1)y.shape(2, 1)(2)二维数组举例x = np.array([[1,2,3],[4,5,6]])x.shape(2, 3)y = np.expand_dims(x原创 2021-01-27 11:23:43 · 1816 阅读 · 0 评论 -
【Python-Numpy】numpy.stack()的解析与使用
作用在给定的轴下,增加或改变矩阵的维度一般有四个轴,x = -1 ,x = 0,x = 1,x = 2假设要转变的张量数组arrays的长度为N,其中的每个张量数组的形状为(A, B)如果轴axis=-1,则转变后的张量的形状为(B, A)如果轴axis=0,则转变后的张量的形状为(N, A, B)如果轴axis=1,则转变后的张量的形状为(A, N, B,)如果轴axis=2,则转变后的张量的形状为(A, B, N)举例使用arrays = [np.random.randn(3, 4)原创 2021-01-27 10:44:19 · 1531 阅读 · 0 评论 -
【Python-Numpy】numpy.random.binomial()的解析与使用
1 作用从二项分布中抽取样本。从具有指定参数,n次试验和p个成功概率的二项式分布中抽取样本,其中n个整数> = 0,且p在[0,1]区间内。(n可以作为浮点输入,但在使用中会被截断为整数)2 参数解析numpy.random.binomial(n,p,size = None )nn个int或int的数组分布的参数,> =0。也接受浮点数,但它们将被截断为整数。pfloat或float数组分布参数> = 0和<= 1。sizeint或int元组,原创 2021-01-05 16:25:33 · 2285 阅读 · 1 评论 -
【Python-numpy】numpy.random.choice()解析与使用
1 作用根据给定的一维数组生成随机样本2 参数解析numpy.random.choice(a,size = None,replace = True,p = None )a是一维数组状或整数,如果是数组,则会从其元素生成随机样本。如果为int,则生成随机样本,就是a=np.arange(a)size是int或int元组,可选。输出的形状。默认值为无,在这种情况下,将返回单个值。replace布尔值,可选,sample是否更换p一维数组状,可选,与a中每个条目关联的概率原创 2021-01-05 16:00:32 · 830 阅读 · 0 评论