NumPy（4）矩阵、随机数、打乱

NumPy（三）矩阵和随机数：

• 矩阵——np.matrix

matrix(字符串/列表/元组/数组)
mat(字符串/列表/元组/数组)
>>>a = np.mat('1 2 3; 4 5 6')
>>>a
matrix([[1, 2, 3],
        [4, 5, 6]])
>>>a = np.mat([[1, 2, 3], [4, 5, 6]])
>>>a
matrix([[1, 2, 3],
        [4, 5, 6]])
>>>type(a)
<class 'numpy.matrix'>

矩阵对象的属性

.ndim  # 矩阵的维数
.shape  # 矩阵的shape
.size  # 矩阵的元素个数
.dtype  # 元素的数据类型

矩阵相乘

>>> a1 = np.mat([[0, 1], [2, 3]])
>>> a2 = np.mat([[1, 1], [2, 0]])
>>> a1 * a2  # 点积
matrix([[2, 0],
        [8, 2]])

矩阵转置、求逆

>>> a1.T  # 矩阵转置
matrix([[0, 2],
        [1, 3]])
>>> a1.I  # 矩阵求逆
matrix([[-1.5,  0.5],
        [ 1. ,  0. ]])
# 验证逆矩阵：矩阵点乘逆矩阵为单位矩阵
>>> a1.I * a1
matrix([[1., 0.],
        [0., 1.]])
>>> a1 * a1.I
matrix([[1., 0.],
        [0., 1.]])

矩阵 VS 二维数组

• 矩阵：

1. 运算符号简单

• 二维数组：

1. 能够表示高维数组
2. 数组更加灵活，速度更快

随机数模块

np.random

函数	功能描述	返回值
np.random.rand(d0, d1,…dn)	元素在[0, 1)区间均匀分布的数组	浮点数
np.random.uniform(low, high, size)	元素在[low, high)区间均匀分布的数组	浮点数
np.random.randint(low, high, size)	元素在[low, high)区间均匀分布的数组	整数
np.random.randn(d0, d1, …,dn)	产生标准正态分布的数组	浮点数
np.random.normal(loc, scale, size)	产生正态分布的数组	浮点数

np.random.rand(d0, d1,...dn)
np.random.uniform(low, high, size)
np.random.randint(low, high, size)
np.random.randn(d0, d1, ...,dn)
np.random.normal(loc, scale, size)  # loc：均值；scale：标准差

例子：

>>> np.random.rand(2, 3)
array([[0.34929435, 0.97524057, 0.13821306],
       [0.54342625, 0.6351517 , 0.09601334]])
>>> np.random.rand()
0.8941615648054206
>>> np.random.uniform(1, 5, (3, 2))  # 均匀分布 浮点数
array([[1.85460959, 1.76077055],
       [3.27975011, 4.47869258],
       [4.23639116, 1.61378559]])
>>> np.random.normal(0, 1, (3, 2))  # 正态分布 浮点数
array([[ 1.29502989,  0.2727421 ],
       [-0.04497388, -0.20752521],
       [ 1.2007246 ,  0.50583995]])

• 伪随机数：由随机种子，根据一定的算法生成。
• 随机种子：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，则每次生成的随机数都相同。
  • 如果不设置这个值，则系统根据时间来自己选择这个值，此时每次生成的随机数因时间差异而不同。
  • seed()方式设置种子，仅一次有效。
  • 随机数产生的算法和系统有关，如windows和Linux。

设置随机数种子：

>>> np.random.seed(612)  # 设置随机数种子（这种方式设置种子，仅一次有效）
>>> np.random.rand(2, 3)
array([[0.14347163, 0.49589878, 0.95454587],
       [0.13751674, 0.85456667, 0.42853136]])
>>> np.random.seed(612)
>>> np.random.rand(2, 3)  # rand两次生成结果一致
array([[0.14347163, 0.49589878, 0.95454587],
       [0.13751674, 0.85456667, 0.42853136]])

打乱顺序函数

np.random.shuffle(序列)  # list或ndarray

>>> arr = np.arange(10)
>>> arr
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> np.random.shuffle(arr)  # 打乱
>>> arr
array([5, 6, 0, 7, 3, 2, 9, 8, 1, 4])
# 注：对于多维数组，shuffle函数只打乱第0维元素的顺序。
>>> b = np.arange(12).reshape(4, 3)
>>> b
array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11]])
>>> np.random.shuffle(b)
>>> b  # 只打乱了第0维的元素，相当于只打乱了图片顺序，而不打乱图片像素
array([[ 0,  1,  2],
       [ 6,  7,  8],
       [ 9, 10, 11],
       [ 3,  4,  5]])