Numpy基礎函數小結

---

Author： Labyrinthine Leo?? Init_time： 2020.11.30

---

Index Words： Numpy

---

公眾號：Leo的博客城堡

---

---

Numpy的幾個簡單函數小結

筆者簡單介紹一下numpy中的幾個矩陣計算函數。

---

1、 np.rondom.random()

該函數根據傳入的size參數隨機生成[0.0,1.0)之間的值。

>>>np.random.random((2,3)) # 產生兩行三列的矩陣
[[0.90340192 0.1374747  0.13927635]
[0.80739129 0.39767684 0.1653542 ]]
>>>1-np.random.random((3,)) # 取值范圍變為(0.0,1.0]
[0.07249142 0.65223414 0.2491879 ]

---

2、 np.random.uniform()

該函數有三個參數取值的下界、上界和矩陣維度，同上，左閉右開（貌似numpy中均是如此），然后在此范圍中均勻的取size大小的矩陣。

>>>np.random.uniform(1, 10, (2, 3))
[[7.72409478 6.00616211 2.22809703]
[1.53925921 2.0920911  1.40096691]]

---

3、 np.random.randint()

該函數只能取整數，注意當前兩個定界的參數有一個缺失時，則默認取到[0, low)，但此時對維度必須使用size關鍵字指定，且界值必須大于0。

>>>np.random.randint(-5, 10, (2, 6))
[[ 3 -4  5 -1  7  9]
[ 6  9 -2 -2  6  5]]
>>>np.random.randint(6, size=(2, 5)) # 必須使用size關鍵字，且界值大于0
[[5 4 3 0 0]
[0 4 5 1 5]]

---

4、 np.sum()

注意里面的axis參數，表示對某個維度的值進行求和，如果是0，則表示從行選取元素那就是對列進行求和，同理如果是1，則表示從列中選取元素那就是對行進行求和。我們要保持輸出結果的維度和輸入矩陣相同，則設置參數keepdims為True即可。

>>>x = np.random.random((3, 10))
[[0.99732285 0.17234051 0.13713575 0.93259546 0.69681816 0.06600017
0.75546305 0.75387619 0.92302454 0.71152476]
[0.12427096 0.01988013 0.02621099 0.02830649 0.24621107 0.86002795
0.53883106 0.55282198 0.84203089 0.12417332]
[0.27918368 0.58575927 0.96959575 0.56103022 0.01864729 0.80063267
0.23297427 0.8071052  0.38786064 0.86354185]]
>>>np.sum(x, axis=1, keepdims=True)
[[6.14610144]
[3.36276484]
[5.50633085]]
>>>np.sum(x, axis=0, keepdims=True)
[[1.40077749 0.77797991 1.13294248 1.52193217 0.96167652 1.72666079
1.52726839 2.11380336 2.15291607 1.69923993]]

---

5、 np.tile()

該函數傳入兩個參數，一個A矩陣，一個rpes表示對矩陣A復制的形狀，比如reps=(3,2)，從外到內進行復制，即按行復制三次，按列復制兩次，如：

>>>np.tile([1,2,3,4,5],(3, 2))
[[1 2 3 4 5 1 2 3 4 5]
[1 2 3 4 5 1 2 3 4 5]
[1 2 3 4 5 1 2 3 4 5]]

---

6、 np.hstack()

該函數對兩個矩陣進行合并，在最里層的元素進行堆疊：

---

7、 np.fliplr()

該函數對矩陣進行按行翻轉，其實等同于a[:, ::-1]

---

8、 np.cumprod()

該函數就是按照給定的axis對元素進行求累積乘，比如[1,2,3]生成[1 2 6]，表示[1*1 1*2 1*2*3]，之所以介紹該函數，正是符合上述目標函數中不斷變化的 x 1 , x 2 , … x M ? 1 x_1,x_2, \dots x_{M-1} x1?,x2?,…xM?1?的乘積。

---

---

臨淵羨魚不如退而結網
創作不易，如果您覺得這篇文章對你有用，可以點個贊，算是對筆者的支持和激勵！這里是Leo的博客城堡，以Python為核，ML&DL為主，泛之形形色色，輸寥寥拙見，攝浮光掠影，講三兩故事。臨淵羨魚，不如退而結網，持續干貨輸出，有趣的靈魂值得你的關注！
原文可以去筆者的github主頁：https://github.com/LabyrinthineLeo/Yxs_Git_Learning_repos查看（如果可以，點個star也無妨呀，嘿嘿）。

---

---

---