numpy的用法_np.random choice ravel-优快云博客

博客介绍了Numpy的相关知识，包括numpy.random.uniform()可产生均匀分布数组，说明了np.max()和np.maximum()的用法区别，指出np.array用于创建ndarray，还提及np.random.choice用法和one_hot生成。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.numpy.random.uniform()的使用

numpy.random.uniform(low,high,size)产生具有均匀分布的数组,low起始值,high结束值,size形状。定义域是左闭右开，即包含low，不包含high.

2.np.maximum（）与np.max（）的用法

np.max：(a, axis=None, out=None, keepdims=False)
说明：求序列的最值，最少接收一个参数，axis：默认为列向（也即 axis=0），axis = 1 时为行方向的最值
np.maximum：(X, Y, out=None)
说明：X 与 Y 逐位比较取其大者；最少接收两个参数

>> np.max([-2, -1, 0, 1, 2])
2

>> np.maximum([-2, -1, 0, 1, 2], 0)
array([0, 0, 0, 1, 2])

说明：np.maximum 接受的两个参数，大小一致的时候，到了维度的 broadcast 机制

3.numpy中的ndarray与array的区别

np.array只是一个便捷的函数，用来创建一个ndarray
NumPy最重要的一个特点就是其N维数组对象（即ndarray）

4.np.random.choice的用法

import numpy as np
# 参数意思分别 是从a 中以概率P，随机选择3个, p没有指定的时候相当于是一致的分布
a1 = np.random.choice(a=5, size=3, replace=False, p=None)
print(a1)
# 非一致的分布，会以多少的概率提出来
a2 = np.random.choice(a=5, size=3, replace=False, p=[0.2, 0.1, 0.3, 0.4, 0.0])
print(a2)
# replacement 代表的意思是抽样之后还放不放回去，如果是False的话，那么出来的三个数都不一样，如果是
# True的话， 有可能会出现重复的，因为前面的抽的放回去了。

5.one_hot生成

def _one_hot():
    z = np.zeros(shape=(4,10))
    for i in range(4):
        index = int("1 7 3 4".split(" ")[i])
        z[i][index]+=1
    return z

if __name__ == '__main__':
    result = _one_hot()
    print(result)