numpy函数
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。