Numpy使用中的十大经典routines函数

不念不忘少年蓝@ 2024-04-29 01:27 17阅读 0赞

### 1.np.ones(shape, dtype=None, order=‘C’) ###

np.ones(shape=(3, 4, 3), dtype=np.int32)

array([[[1, 1, 1],
            [1, 1, 1],
            [1, 1, 1],
            [1, 1, 1]],
    
           [[1, 1, 1],
            [1, 1, 1],
            [1, 1, 1],
            [1, 1, 1]],
    
           [[1, 1, 1],
            [1, 1, 1],
            [1, 1, 1],
            [1, 1, 1]]])

### 2.np.zeros(shape, dtype=float, order=‘C’) ###

np.zeros(shape=(3, 4, 3), dtype=np.int32)

array([[[0, 0, 0],
            [0, 0, 0],
            [0, 0, 0],
            [0, 0, 0]],
    
           [[0, 0, 0],
            [0, 0, 0],
            [0, 0, 0],
            [0, 0, 0]],
    
           [[0, 0, 0],
            [0, 0, 0],
            [0, 0, 0],
            [0, 0, 0]]])

### 3.np.full(shape, fill\_value, dtype=None, order=‘C’) ###

np.full(shape=(3, 4, 3), fill_value=8.0)

array([[[8., 8., 8.],
            [8., 8., 8.],
            [8., 8., 8.],
            [8., 8., 8.]],
    
           [[8., 8., 8.],
            [8., 8., 8.],
            [8., 8., 8.],
            [8., 8., 8.]],
    
           [[8., 8., 8.],
            [8., 8., 8.],
            [8., 8., 8.],
            [8., 8., 8.]]])

### 4.np.eye(N, M=None, k=0, dtype=float) ###

# 生成2维, 对角线上全是1, 其他位置全是0的矩阵.
    # k=0表示主对角线. 
    # 行列数相同的矩阵,, 叫做方阵
    # 主对角线上全是1, 其他位置全是0的方阵, 叫做单位矩阵. 
    # 如果一个矩阵可以变成单位矩阵, 那么我们把这个矩阵叫做满秩矩阵. 
    np.eye(6, k=-1)

array([[0., 0., 0., 0., 0., 0.],
           [1., 0., 0., 0., 0., 0.],
           [0., 1., 0., 0., 0., 0.],
           [0., 0., 1., 0., 0., 0.],
           [0., 0., 0., 1., 0., 0.],
           [0., 0., 0., 0., 1., 0.]])

### 5.np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None) ###

# 线段等分
    np.linspace(0, 10, num=10, endpoint=False, retstep=True)

(array([0., 1., 2., 3., 4., 5., 6., 7., 8., 9.]), 1.0)

### 6.np.arange(\[start, \]stop, \[step, \]dtype=None) ###

range(10)

range(0, 10)
    
    # start=0, end, step
    # 在使用np.arange的时候,步长step尽量是整数, 如果是小数的话, 那么使用np.linspace会好一点. 
    np.arange(0, 10, 0.3333)
    
    array([0.    , 0.3333, 0.6666, 0.9999, 1.3332, 1.6665, 1.9998, 2.3331,
           2.6664, 2.9997, 3.333 , 3.6663, 3.9996, 4.3329, 4.6662, 4.9995,
           5.3328, 5.6661, 5.9994, 6.3327, 6.666 , 6.9993, 7.3326, 7.6659,
           7.9992, 8.3325, 8.6658, 8.9991, 9.3324, 9.6657, 9.999 ])

### 7.np.random.randint(low, high=None, size=None, dtype=‘l’) ###

import random

random.randint()

# 对应python中random.randint几乎一样, 都表示随机整数, 但是python的random.randint是全闭. 
    # numpy中random.randint是左闭右开的. 
    np.random.randint(0, 10, size=(4, 5))

array([[0, 8, 5, 4, 8],
           [3, 6, 9, 9, 1],
           [5, 3, 1, 7, 9],
           [9, 0, 4, 3, 7]])

### np.random.randn(d0, d1, …, dn) 标准正太分布 ###

# 均值是0, 标准偏差是1的正态分布叫做标准正态分布. 
    np.random.randn(100)

9)np.random.normal(loc=0.0, scale=1.0, size=None)

# 正态分布.也叫高斯分布
    n = np.random.normal(loc=10, scale=3, size=(1000, 1000))

n.std()

3.001498641855265

### 10.np.random.random(size=None) 生成0到1的随机数，左闭右开 ###

np.random.random(size=(4, 5))

array([[0.67843562, 0.3869334 , 0.39633632, 0.02041326, 0.22930584],
           [0.00226294, 0.65044501, 0.9686908 , 0.39624771, 0.42997183],
           [0.42402243, 0.75483434, 0.48130763, 0.78706159, 0.04279338],
           [0.0304375 , 0.46255901, 0.1095761 , 0.91346565, 0.63222052]])

### np.random.rand(d0, d1, d2, d3…,dn) ###

# 和np.random.random一样
    np.random.rand(4, 5)

array([[0.40357817, 0.64473777, 0.57900838, 0.27885215, 0.99461885],
           [0.18433061, 0.71325003, 0.17032778, 0.92897935, 0.72633564],
           [0.92248825, 0.64570196, 0.85607951, 0.30209461, 0.04010778],
           [0.52723821, 0.32526319, 0.00127211, 0.23917366, 0.71829923]])

![在这里插入图片描述][0be7009f0b3c4447996668f270d646f1.gif_pic_center]  
![在这里插入图片描述][a09c2488ed9749eba13656b43c27ba57.gif_pic_center]

[0be7009f0b3c4447996668f270d646f1.gif_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/29/7fc7ac41dd134e4b9490aaa1f44b4656.gif
[a09c2488ed9749eba13656b43c27ba57.gif_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/29/65fe1f07b0d5470ea4347086f450f4fa.gif