numpy的使用

import numpy as np

np.random

numpy.random.normal(loc=0.0, scale=1.0, size=None)

输出均值为0，标准差为1的一个随机值

#产生的随机数服从标准正态分布0-1，2行4列矩阵
np.random.randn(2,4)

结果：

[[-0.08302365  0.36937819  0.08568024 -1.56085425]
 [ 0.16679172  0.10654604 -1.96022107 -1.9178003 ]]

#产生的随机数位于[0, 1)中

np.random.rand(2,4)

结果：

[[0.10653075 0.75118002 0.37745255 0.65212225]
 [0.76288377 0.08645488 0.00689437 0.90927803]]

np.random.randint

random.randint(1,20) 结果为：13

np.random.randint(1,20) 结果为：1

np.random.randint(1,20,size=3)  结果为：array([19, 18, 4])

np.random.randint(1,20,size=(3,4)) 结果为：array([[ 4, 8, 7, 13], [ 8, 19, 16, 1], [ 4, 4, 2, 18]])

np.expand_dims：

np.array([[[1,2,3],[4,5,6]]])，生成（1，2，3）维的矩阵
np.expand_dims(a, axis=0)，表示在0位置添加数据，转换结果如下：
b = np.expand_dims(a, axis=0)
b：array([[[[1, 2, 3],
         [4, 5, 6]]]])
b.shape：(1, 1, 2, 3)

np.argmax：返回沿轴最大值的索引值

A = np.arange(6).reshape(1,6) 结果为：array([[0, 1, 2, 3, 4, 5]])

np.argmax(A) 结果为：6

E = np.array([[1,2,3],[2,1,4],[3,6,1]]) 结果为：

[[1 2 3]
 [2 1 4]
 [3 6 1]]

np.argmax(E, axis=0)  #axis=0表示沿行比较，结果为：array([2, 2, 1], dtype=int64)

np.argmax(E, axis=1) 结果为：#axis=1表示沿列比较，array([2, 2, 1], dtype=int64)