机器学习速查笔记-Numpy篇
numpy
np.unique(A)
对于一维数组或者列表,unique函数去除其中重复的元素,并按元素由大到小返回一个新的无元素重复的元组或者列表
A = [1,1,2,3,4,4,5,5,6]
a = np.unique(A)
print(a) # [1 2 3 4 5 6]
np.random.rand(x…)
生成随机的指定维度的列表
a=np.random.rand(4)
for var in range(10):
print(a)
a = np.random.rand(4)
结果:
[0.21849839 0.06253395 0.10794774 0.88207845]
[0.38262448 0.93590044 0.01358229 0.67018295]
[0.52202392 0.55000451 0.8633613 0.64067578]
[0.3782018 0.74330012 0.33034715 0.74607596]
[0.07583301 0.71505934 0.66028763 0.54293845]
np.random.uniform(low,high,size)
从一个均匀分布[low,high)中随机采样,注意定义域是左闭右开,即包含low,不包含high.
low: 采样下界,float类型,默认值为0;high: 采样上界,float类型,默认值为1;size: 输出样本数目,为int或元组(tuple)类型,例如,size=(m,n,k), 则输出mnk个样本,缺省时输出1个值。- 返回值:
ndarray类型,其形状和参数size中描述一致。
类似uniform,还有以下随机数产生函数:
a. randint: 原型:numpy.random.randint(low, high=None, size=None, dtype='l'),产生随机整数;
b. random_integers: 原型: numpy.random.random_integers(low, high=None, size=None),在闭区间上产生随机整数;
c. random_sample: 原型: numpy.random.random_sample(size=None),在[0.0,1.0)上随机采样;
d. random: 原型: numpy.random.random(size=None),和random_sample一样,是random_sample的别名;
e. rand: 原型: numpy.random.rand(d0, d1, ..., dn),产生d0 - d1 - … - dn形状的在[0,1)上均匀分布的float型数。
f. randn: 原型:numpy.random.randn(d0,d1,...,dn),产生d0 - d1 - … - dn形状的标准正态分布的float型数。