Python中的各种方法一览-NumPy

目录

改变数组类型为uint8

numpy.random.RandomState

numpy.random.rand

numpy.random.randint

np.arange() 函数

numpy inplace参数

排序算法In-place和Out-place  

np.zeros

数组倒序

---

改变数组类型为uint8

np.array(X,dtype='uint8')

其中X为需要改变的数组。 

numpy.random.RandomState

numpy.random.RandomState()是一个伪随机数生成器。那么伪随机数是什么呢？

伪随机数是用确定性的算法计算出来的似来自[0,1]均匀分布的随机数序列。并不真正的随机，但具有类似于随机数的统计特征，如均匀性、独立性等。

其中种子值不同会导致生成的随机数不同。

numpy.random.rand

使用 numpy.random.rand 方法生成任意随机数  

生成单个随机数。  

r1=np.random.rand()  

-》0.5016777172563354  

生成指定结构的随机数组。  

r2=np.random.rand(3)  

-》 [ 0.70156865 0.42589945 0.94348143]   #3列  

r2=np.random.rand(2,3)  

-》 [[ 0.73289586 0.33973611 0.10691378]   #2行3列  [ 0.0341497 0.59655438 0.21744271]]

numpy.random.randint

函数的作用是，返回一个随机整型数，范围从低（包括）到高（不包括），即[low, high)。

如果没有写参数high的值，则返回[0,low)的值。  

参数

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 输出：  out: int or ndarray of ints 返回一个随机数或随机数数组

np.arange() 函数

返回一个有终点和起点的固定步长的排列。

如np.arange(1, 6, 1)

[1,2,3,4,5]，起点是1，终点是6，步长为1。

参数

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

numpy inplace参数

该参数的主要作用是指示是否在本地数据上做更改。

当inplace=Fasle时，函数返回处理之后的数据，而原始数据并未发生任何变化。

当inplace=True时，函数返回None，而原始数据却发生了变化。

排序算法In-place和Out-place  

in-place 占用常数内存，不占用额外内存

out-place 占用额外内存

np.zeros

# np.zeros(shape, dtype),生成元素全为0(默认浮点型)的数组 # 用法与np.ones()一样

数组倒序

impot numpy as np
a = np.array([1,2,3,4,5,6])
b=a[::-1]
print(b)