numpy 其它常用方法

一、创建特殊的数组

1、ones()

语法

np.ones(shape, dtype=None)
# shape 创建数组的shape
# dtype 指定数组的数据类型

例子

import numpy as np

arr1 = np.ones((3, 4), dtype="int64")
print(arr1)
print(arr1.dtype)

2、zeros

语法

np.zeros(shape, dtype=None)
# shape 创建数组的shape
# dtype 指定数组的数据类型

例子

import numpy as np

arr1 = np.zeros((8, ), dtype="int64")
print(arr1)
print(arr1.dtype)

3、eye

正方形数组，对角线为1，其它为0

语法

eye(N, dtype=float)
# N 数组的轴长度
# dtype 数据的类型

例子

import numpy as np

arr1 = np.eye(3, dtype=int)
print(arr1)
print(arr1.dtype)

二、生成随机数组

1、rand

语法

np.random.rand(*shape)
# 创一个随机数组，数值范围0~1

例子

import numpy as np

a = np.random.rand(*(3, 4))
print(a)

2、randn

语法

np.random.randn(*dn)
# 标准正太分布随机数，浮点数，平均数为0，标准差1
# dn shape

例子

import numpy as np

a = np.random.randn(*(3, 4))
print(a)

3、randint 最常用

语法

np.random.randint(low, high=None, size=None)
# 生成随机整数
# low 最小值
# high 最大值
# size 和 shape一样

例子

import numpy as np

a = np.random.randint(5, 10, (3, 4))
print(a)

4、uniform

语法

np.random.uniform(low=0.0, high=1.0, size=None)
# 产生具有均匀分布的数组
# low 起始值
# high 结束值
# size 和shape一样

例子

import numpy as np

a = np.random.uniform(2, 4, (3, 4))
print(a)

5、normal

语法

np.random.normal(loc=0.0, scale=1.0, size=None)
# 从指定的正太分布中随机抽样
# loc 分布中心
# scale 标准差
# size 形状

例子

import numpy as np

a = np.random.normal(0, 4, (3, 4))
print(a)

6、seed

语法

np.random.seed(s)
# 随种子，s是给定的种子值，通过这种方式后面的随机数是第一次生成的随机数

例子

import numpy as np

np.random.seed(10)
# a是第一次生成的随机数
a = np.random.randint(2, 8, (3, 4))
print(a)

三、copy和view

1、a=b 完全不赋值，a和b互相影响

2、a=b[:], 视图的操作，一种切片，会创建新的对象a,但是a的数据完全由b保管，他们两个的数据变化是一致的

3、a=b.copy()，复制，a和b互不影响

四、获取最大值和最小值的位置

1、获取最小值的位置

语法

argmin(a, axis=None)
# 获取对应轴的最小值的位置
# a 数组
# axis 轴

例子

import numpy as np

np.random.seed(1)
arr1 = np.random.randint(10, 100, (3, 4))
print(arr1)
a = np.argmin(arr1, axis=1)
print(a)

2、获取最大值的位置

语法

argmax(a, axis=None)
# 获取对应轴的最大值的位置
# a 数组
# axis 轴

例子

import numpy as np

np.random.seed(1)
arr1 = np.random.randint(10, 100, (3, 4))
print(arr1)
a = np.argmax(arr1, axis=0)
print(a)