Numpy使用记录

numpy中的random

numpy.random.choice(a, size=None, replace=True, p=None)

a : 如果是一维数组，就表示从这个一维数组中随机采样；如果是int型，就表示从0到a-1这个序列中随机采样。
size : 采样结果的数量，默认为1.可以是整数，表示要采样的数量；也可以为tuple，如(m, n, k)，则要采样的数量为m * n * k，size为(m, n, k)
replace : boolean型，采样的样本是否要更换？这个地方我不太理解，测了一下发现replace指定为True时，采样的元素会有重复；当replace指定为False时，采样不会重复。
p : 一个一维数组，制定了a中每个元素采样的概率，若为默认的None，则a中每个元素被采样的概率相同。

choice(a[, size, replace, p])
>>> np.random.choice(5, 3, replace=False)
array([3,1,0])
>>> #This is equivalent to np.random.permutation(np.arange(5))[:3]
# Generate a non-uniform random sample from np.arange(5) of size 3 without replacement:

>>> np.random.choice(5, 3, replace=False, p=[0.1, 0, 0.3, 0.6, 0])
array([2, 3, 0])

np.random.randint

1
2
3

np.random.randint(2,5,size=(2,3))
# 函数原型randint(low[, high, size])
# - 返回随机的整数，位于半开区间 [low, high)。

np.random.rand

>>> np.random.rand(3,2)
array([[ 0.14022471,  0.96360618],  #random
       [ 0.37601032,  0.25528411],  #random
       [ 0.49313049,  0.94909878]]) #random
# 跟random_sample([size])、random([size])和ranf([size])一样

array操作

广播啥的就不介绍了，主要是介绍一点函数方法的使用

array、asarray、asanyarray

a = np.array([1,2,3])
print(a)
>>>
[1 2 3]

c = np.array(a)
c[1]=3
print(a,c)
>>>
[1 2 3] [1 3 3]

b = np.asarray(a)
b[1]=3
print(a,b)
>>>
[1 3 3] [1 3 3]
#

array和asarray的不同在于array对目标做一个拷贝，而asarray不会
np.asanyarray 会返回 ndarray 或者ndarray的子类，而np.asarray 只返回 ndarray.

np.where(cond,x,y)：满足条件（cond）输出x，不满足输出y

这个函数非常有用，非常香，但是他的参数需要narray

降维

a = np.array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14],
       [15, 16, 17, 18, 19]])

# 法一：ravel
print(a.ravel())
# 法二：flatten
print(a.flatten())
# 法三：reshape([1,-1])
print(a.reshape([1,-1]))

▲参数-1讲解：一个参数为-1时，那么reshape函数会根据另一个参数的维度计算出数组的另外一个shape属性值

[…]语法简单使用

在切片中...跟:的效果是一样的，都是缺省默认取所有的意思

1
2
3

# 两者等价
print(a[:,2])
print(a[...,2])