一些函数（不断更新）

ravel

ravel是用来将矩阵向量化的操作

import numpy as np #导入numpy模块
 
a, b = np.mgrid[1:4:1, 2:3:1] #用mgrid()方法生成等差数组a,b
#
print("a:",a,"\n","b:",b) #打印a,b
 
Aftera = a.ravel() #用ravel()方法将数组a拉成一维数组
 
print("Aftera:",Aftera) #打印a

结果：

a: [[1] [2] [3]] b: [[2] [2] [2]] Aftera: [1 2 3]

np.random.choice()

#numpy.random.choice(a, size=None, replace=True, p=None)
#从a(只要是ndarray都可以，但必须是一维的)中随机抽取数字，并组成指定大小(size)的数组
#replace:True表示可以取相同数字，False表示不可以取相同数字
#数组p：与数组a相对应，表示取数组a中每个元素的概率，默认为选取每个元素的概率相同。

np.insert()

a=np.insert(arr, obj, values, axis)
#arr原始数组，可一可多，obj插入元素位置，values是插入内容，axis是按行按列插入（0：行、1：列）。
----------------------------------------------------------------------------------------
a = np.array([[1,2],[3,4],[5,6]])
b=np.insert(a,1,11,axis = 1)

# 输出
array([[ 1, 11,  2],
       [ 3, 11,  4],
       [ 5, 11,  6]])

a = np.array([[1,2],[3,4],[5,6]])
b=np.insert(a,1,[2,6],axis = 0)

# 输出
array([[1, 2],
       [2, 6],
       [3, 4],
       [5, 6]])

np.random.randint()

numpy.random.randint(low, high=None, size=None, dtype='l')

low: int 生成的数值最低要大于等于low。 （hign = None时，生成的数值要在[0, low)区间内）
high: int(可选) 如果使用这个值，则生成的数值在[low, high)区间。
size: int or tuple of ints(可选)输出随机数的尺寸，比如size = (m * n* k)则输出同规模即m * n* k个随机数。默认是None的，仅仅返回满足要求的单一随机数。
dtype: dtype(可选)： 想要输出的格式。如int64、int等等

np.random.randint(1.75, 4, 11) ##11个随机整数数字
#array([3, 3, 2, 3, 1, 1, 2, 2, 2, 3, 2])

np.random.randint(5, size=(2, 4))  #二行四列，higt为none,取值是0到5之间的整数
#array([[4, 3, 0, 4],
       [3, 1, 1, 3]])

np.random.rand()

np.random.rand(d0,d1,d2……dn)
注：使用方法与np.random.randn()函数相同
作用： 通过本函数可以返回一个或一组服从“0~1”均匀分布的随机样本值。随机样本取值范围是[0,1)，不包括1。
应用：在深度学习的Dropout正则化方法中，可以用于生成dropout随机向量（dl），例如（keep_prob表示保留神经元的比例）：dl = np.random.rand(al.shape[0],al.shape[1]) < keep_prob

random.shuffle()

用于将一个列表中的元素打乱顺序，值得注意的是使用这个方法不会生成新的列表，只是将原列表的次序打乱。