0%

Numpy方法笔记

1 arange()

  • 介绍
    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6,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
  • 示例
    1
    2
    3
    4
    5
    6
    7
    8
    9
    import numpy as np
    #一个参数 默认起点0,步长为1 输出:[0 1 2]
    a = np.arange(3)

    #两个参数 默认步长为1 输出[3 4 5 6 7 8]
    a = np.arange(3,9)

    #三个参数 起点为0,终点为3,步长为0.1 输出[ 0. 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1. 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2. 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9]
    a = np.arange(0, 3, 0.1)

2 random.seed()

  • 介绍
    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

  • 示例
    1
    2
    3
    import numpy as np
    np.random.seed(3)
    b = rand(5) # 随即后,seed失效

3 random.shuffle(arr)

  • 介绍
    对传入的arr数组进行洗牌

  • 示例

    1
    2
    3
    4
    import numpy as np
    indices = np.arange(5000)
    np.random.seed(2018) # 设置随机种子
    np.random.shuffle(indices)

4 ndarray索引, X[indices]

  • 示例
    1
    2
    3
    4
    5
    6
    import numpy as np 

    x = np.array(['a', 'b', 'c', 'd', 'e'])
    y = x[[3, 4, 0]]
    print (y)
    # 输出:['d', 'e', 'a']