numpy第二次打卡

这篇博客介绍了numpy库在生成离散型随机变量时的应用,包括二项分布、泊松分布、超几何分布,以及连续性随机变量的均匀分布。通过numpy.random.binomial、numpy.random.poisson、numpy.random.hypergeometric和numpy.random.uniform等函数,详细阐述了各个分布的参数含义及使用方法,并提及了numpy.random.choice和numpy.random.shuffle等其他随机数生成函数。
摘要由CSDN通过智能技术生成
#关于keepdims
维度:矩阵的维度用一个元祖tuple来表示,例如(2,)(23)(234)
维数:元祖中数字的个数
矩阵的轴(axis):矩阵的轴(axis):矩阵的轴与维度对应,维度的第一个元素代表的轴是axis=0,第二个元素代表的轴是axis=1.如维度为(2,3,4)的矩阵axis=0即为2代表的维;再如数学中的2×3矩阵(即维度为(2,3))axis=0即为列(列方向),axis=1即为行(行方向)。
对axis进行指定轴操作会使矩阵降维,使用keepdims=True会使消失的轴保留,并保持维度为1
#np.all() 与np.any()
#对于一个给定的数组np.all()判断给定轴上的所有元素是否都为true,相当于与运算,np.any相当于或运算,判断给定的轴上是否有一个元素为True。如果axis为none,返回单个布尔值
a1 = np.arange(5)
print(np.all(a1)) #False
print(np.any(a1)) #True
a2 = np.eye(5)
print(a2)
print(a2==0)#输出一个布尔值的矩阵
print(a1 ==a2)#生成一个布尔值的矩阵
print((a2==0).all())判断矩阵中的元素是否全为True
print((a2==0).any())判断矩阵中的元素是否有True
#如果用 == 判断两个list是否相同,返回的是True或False,而np.array返回的是每个元素值比较的列表

#逻辑运算
numpy.logical_not()
numpy.logical_and()
numpy.logical_or()
numpy.logical_xor()
#对照
#isclose()与allclose()
#isclose用于判断两个浮点数是否在要求的误差范围内,相对误差rtol=1e-05 或者 绝对误差atol=1e-08范围内就返回内就返回True
#allclose用于判断两个数组的每一个元素是不是都在要求的误差范围内,相对误差rtol=1e-05 或者 绝对误差atol=1e-08范围内就返回内就返回True。
#排序
#numpy.sort(a[, axis=-1, kind='quicksort', order=None])
对给定的数组a进行排序,默认沿着最后的轴排序;默认的排序方法为快速排序
import numpy as np  

a = np.array(
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值