numpy函数-02

1、np.ravel()

将多维数组降为一维

import numpy as np

a = np.array([[1, 2],
              [3, 4]])
b = np.ravel(a)  # 或者写成 a.ravel()
print('a:', a)
print('b:', b)

结果为：

2、numpy.random.seed()的使用

seed( ) 用于指定随机数生成时所用算法开始的整数值。
1.如果使用相同的seed( )值，则每次生成的随即数都相同；
2.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。
3.设置的seed()值仅一次有效。
参考链接：https://blog.csdn.net/linzch3/article/details/58220569

3、np.arange()函数

np.arange()函数返回一个有终点和起点的固定步长的排列，如[1,2,3,4,5]，起点是1，终点是5，步长为1。
参数个数情况： np.arange()函数分为一个参数，两个参数，三个参数三种情况
1）一个参数时，参数值为终点，起点取默认值0，步长取默认值1。
2）两个参数时，第一个参数为起点，第二个参数为终点，步长取默认值1。
3）三个参数时，第一个参数为起点，第二个参数为终点，第三个参数为步长。其中步长支持小数。

import numpy as np
np.arange(2)

输出为：array([0, 1])

4、np.zeros(shape, dtype=float, order=‘C’)

返回：返回来一个给定形状和类型的用0填充的数组；
参数shape:形状
dtype:数据类型，可选参数，默认numpy.float64
order:可选参数，c代表与c语言类似，行优先；F代表列优先

5、numpy.random.uniform(low,high,size)

功能：从一个均匀分布[low,high)中随机采样，注意定义域是左闭右开，即包含low，不包含high.
参数介绍:

low: 采样下界，float类型，默认值为0；
high: 采样上界，float类型，默认值为1；
size: 输出样本数目，为int或元组(tuple)类型，例如，size=(m,n,k), 则输出m*n*k个样本，缺省时输出1个值。

类似uniform,还有以下随机数产生函数：

numpy.random.randint(low, high=None, size=None, dtype='l')，产生随机整数；
numpy.random.random(size=None)，和random_sample一样，在[0.0,1.0)上随机采样；
numpy.random.rand(d0, d1, ..., dn)，产生d0、d1、、、dn形状的在[0,1)上均匀分布的float型数。
numpy.random.randn（d0,d1,...,dn),产生d0、d1、、、dn形状的标准正态分布的float型数。

6、numpy.linspace()函数

numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
在指定的间隔内，返回均匀间隔的数字,返回num均匀分布的样本，在[start, stop],这个区间的端点可以任意的被排除在外。