随笔分类 -  numpy

numpy 实现两个不同维度的数组相加
摘要：import numpy as np a = np.arange(9).reshape(3,3) b = np.zeros([2,2], dtype=int) - 100 print(a) print() print(b) a[1:3, :2] += b print(a) 结果: a: [[0 1 阅读全文
posted @ 2021-04-30 10:37 id_ning 阅读(1708) 评论(0) 推荐(0)
np.random.randn()函数生成标准正态分布随机样本值，并画出数据分布直方图
摘要：通过np.random.randn()函数可以返回一个或一组服从标准正态分布的随机样本值。 import numpy as np import matplotlib.pyplot as plt a = np.random.randn(10000000) # 生成标准正态分布随机样本值 plt.fig 阅读全文
posted @ 2021-04-28 15:37 id_ning 阅读(1132) 评论(0) 推荐(0)
np.random.rand()
摘要：通过np.random.rand()函数可以返回一个或一组服从“0~1”均匀分布的随机样本值。随机样本取值范围是**[0,1)**，不包括1。 import numpy as np a = np.random.rand(3) b = a * 10 print('a:', a) print('b:', 阅读全文
posted @ 2021-04-28 14:23 id_ning 阅读(609) 评论(0) 推荐(0)
python，numpy中np.random.choice()的用法详解及其参考代码
摘要：版权声明：本文为CSDN博主「ImwaterP」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.csdn.net/ImwaterP/article/details/96282230 import numpy as np a = 阅读全文
posted @ 2021-04-28 09:26 id_ning 阅读(769) 评论(0) 推荐(0)
numpy 计算均值、方差、标准差
摘要：import numpy as np a = [1, 0, -1] a_mean = np.mean(a) a_var = np.var(a) a_std = np.std(a) print('a_mean: ', a_mean) print('a_var:', a_var) print('a_st 阅读全文
posted @ 2021-04-22 10:06 id_ning 阅读(1432) 评论(0) 推荐(0)
改变数组某几行某列的值
摘要：import numpy as np a = np.zeros([4,3]) print('前a：', a) a[0:3, 1] = 1 # 数组行(0，1，2)和列(1)的值变为1 print('后a：', a) 结果： 前a： [[0. 0. 0.] [0. 0. 0.] [0. 0. 0.] 阅读全文
posted @ 2021-04-20 17:12 id_ning 阅读(180) 评论(0) 推荐(0)
向下取整：np.floor()，向上取整：np.ceil()
摘要：import numpy as np a = np.floor(2.3) # 向下取整 b = np.floor([1.6, -2.5]) print('a:', a) print('b:', b) a: 2.0 b: [ 1. -3.] import numpy as np c = np.ceil 阅读全文
posted @ 2021-04-19 09:39 id_ning 阅读(457) 评论(0) 推荐(0)
np.zeros() ， np.oneslike()
摘要：import numpy as np a = np.zeros((2,3), dtype=int) print(a) b = np.ones_like(a, dtype=int) print(b) 结果： a: [[0 0 0] [0 0 0]] b: [[1 1 1] [1 1 1]] 阅读全文
posted @ 2021-04-16 17:32 id_ning 阅读(152) 评论(0) 推荐(0)
np.stack() 堆叠一维数组时用法
摘要：import numpy as np a = np.array([i for i in range(5)]) b = np.array([i for i in range(5, 10)]) print('a:', a) print('b:', b) c = np.stack([a,b], axis= 阅读全文
posted @ 2021-04-16 10:10 id_ning 阅读(361) 评论(0) 推荐(0)
np.stack()
摘要：https://blog.csdn.net/weixin_44201525/article/details/109769214 阅读全文
posted @ 2021-04-15 17:29 id_ning 阅读(30) 评论(0) 推荐(0)