雨落朝阳
0%

Numpy方法笔记

发表于 分类于

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']