numpy--常用函数使用_dtype=np.uint8-优快云博客

本文链接：https://blog.youkuaiyun.com/ljz2016/article/details/94894708

本文深入探讨了NumPy库中的高级操作，包括矩阵转置、数组生成、随机数生成、矩阵相乘、数组元素选择与替换及求和等。通过具体实例展示了如何使用NumPy进行高效的数据处理和科学计算。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

np.array([range(200)], dtype=np.uint8).T,
T是对矩阵转置。

[[  0   1   2   3  ]]

range(200)生成一个数组，指定范围内的。

[[  0]
 [  1]
 [  2]
 [  3]]

unpackbits会把数字分解为二进制表示

np.unpackbits(np.array([range(256)], dtype=np.uint8).T,axis=1)

[[0 0 0 ... 0 0 0]
 [0 0 0 ... 0 0 1]
 [0 0 0 ... 0 1 0]
 ...
 [1 1 1 ... 1 0 1]
 [1 1 1 ... 1 1 0]
 [1 1 1 ... 1 1 1]]

random生成n维数组，输入是形状。

np.random.random((2,16))

(2*np.random.random((2,16))-1)*0.05生成 -0.05到0.05的随机数组

[[0.2170089  0.73113269 0.59939739 0.15830653 0.32873686 0.4871056
  0.92856155 0.08909651 0.13025319 0.50191195 0.24559249 0.05643269
  0.73373609 0.65727756 0.68667674 0.87514801]
 [0.17710239 0.06304367 0.45636889 0.03528103 0.07759175 0.54845893
  0.37659386 0.39009352 0.12031998 0.91609651 0.44276675 0.36816511
  0.66146881 0.78629239 0.44745272 0.78260636]]

np.dot() 对于二维数组，它就是矩阵相乘

np.dot(X, synapse_0),

X:    [[0,1]]
synapse_0: 
[[ 0.00488135  0.02151894  0.01027634  0.00448832 -0.00763452  0.01458941
  -0.00624128  0.0391773   0.04636628 -0.01165585  0.0291725   0.00288949
   0.00680446  0.04255966 -0.04289639 -0.04128707]
 [-0.04797816  0.03326198  0.02781568  0.03700121  0.04786183  0.02991586
  -0.00385206  0.02805292 -0.03817256  0.0139921  -0.03566467  0.04446689
   0.00218483 -0.00853381 -0.02354444  0.02742337]]
   结果为：
   [[-0.04797816  0.03326198  0.02781568  0.03700121  0.04786183  0.02991586
  -0.00385206  0.02805292 -0.03817256  0.0139921  -0.03566467  0.04446689
   0.00218483 -0.00853381 -0.02354444  0.02742337]]

choice,生成随机数组
a是原始数组取值的范围 0-a的数组，p是数组中每个值的概率，size是生成的数组的值个数
5就是[0,1,2,3,4] ，例子中4的取值是0,所以结果中不含有4，只有0-3。3出现的比较多，因为概率高

a2 = np.random.choice(a=5, size=30,  p=[0.2, 0.1, 0.3, 0.4, 0.0])

[2 1 2 3 1 3 3 2 3 3 0 2 0 1 0 3 2 2 3 2 3 3 0 1 2 3 0 3 0 1]

zip这个是python自身的方法，从2个输入中各取一行。

a =[[2,3],[4,5]]
b=[[4,5],[6,7]]
for c,d in zip(a,b):
    print(c,d)

效果

[2, 3] [4, 5]
[4, 5] [6, 7]

数组比较

martix = np.array([
    [5,10,15],
    [20,25,30],
    [35,40,45]
])
second_column_25 = (martix[:,1]==25)
print(second_column_25)
print(martix[second_column_25,:])
print(martix[[True,False,True],:])

结果

[False  True False]
[[20 25 30]]
[[ 5 10 15]
 [35 40 45]]

把矩阵中等于10或者5的值，修改为50

vector = np.array([5,10,15,29])
equal_to_10_5= (vector==10) | (vector==5)

vector[equal_to_10_5]=50
print(vector)

结果

[50 50 15 29]

替换矩阵中指定值

second_column_25 = (martix==25)
martix[second_column_25]=4
print(martix)

求和

vector = np.array([5,10,15,29])
print(vector.sum())

对矩阵行或者列求和

martix = np.array([
    [5,10,15],
    [20,25,30],
    [35,40,45]
])
print(martix.sum(axis=1))  #行求和
print(martix.sum(axis=0))