升级打怪之路

np.random.normal()np.random.normal()的意思是一个正态分布，normal这里是正态的意思。我在看孪生网络的时候看到这样的一个例子：numpy.random.normal(loc=0,scale=1e-2,size=shape) ，意义如下：**参数loc(float)：**正态分布的均值，对应着这个分布的中心。loc=0说明这一个以Y轴为对称轴的正态分布，**参数scale(float)：**正态分布的标准差，对应分布的宽度，scale越大，正态分布的曲线越矮胖，s

reshape（）是数组对象中的方法，用于改变数组的形状

numpy的ndarrayN 维数组对象 ndarray，它是一系列同类型数据的集合。ndarray 对象是用于存放同类型元素的多维数组。索引：获取数组中特定位置元素的过程切片：获取数组中特定片段元素的过程切片数组X[起始编号:终止编号:步长]取某一行数组X[行数]取某一列数组X[：，列数]X =np.array([[1,1],[2,2],[4,5],[6,7],[9,2],[1,5]])二维数组#切片操作 # 取前两行X[0:2] 结果为 ：[[1 1] [2 2]]

以10为底np.log10(x)以e为底np.log(x)

numpy.allclose( )numpy.allclose的官方文档https://docs.scipy.org/doc/numpy/reference/generated/numpy.allclose.htmlnumpy.allclose(a, b, rtol=1e-05, atol=1e-08, equal_nan=False)[source]参数：a，b： array_like输入数组进行比较。rtol：float相对公差参数。atol：float绝对公差参数。equal_

转载一篇文章 https://vimsky.com/article/3737.htmlhttps://stackoverflow.com/questions/34142485/difference-between-numpy-dot-and-python-3-5-matrix-multiplication

numpy.linalg.det(a)计算方阵的行列式np.linalg.inv(a)计算逆矩阵

取某一行取列同时取行和列使用 df.loc[（取的行）,（取的列）]

np.random.choice(a, size=None, replace=True, p=None)参数：a 表示从a中随机选取size个数 ,可以从数组、列表或元组中随机抽取，必须是一维的replacement代表的意思是抽样之后还放不放回去，replace=False，无放回的抽样，不会出现重复的元素replace=True，有可能会出现重复的元素。 默认为True。p表示每个...

np.random.randn

方法一：np.concatenate((a,b,c,… ))能够一次完成多个数组的拼接。np.concatenate((a, b), axis=0)当不写明axis的值时，默认为axis=0。对于一维数组拼接，axis的值不影响最后的结果。axis=0 按照行拼接。axis=1 按照列拼接。一维数组举例对于一维数组拼接，axis的取值不影响最后的结果。可以同时连接多个数组a = ...

矩阵中会使用到的函数np.vstack()和np.hstack()函数import numpy as npa=np.array([[ 8., 8.],[ 0., 0.]])b=np.array([[ 1., 3.], [ 6., 4.]])print np.vstack((a,b)) #将两个数组按行放到一起[[8. 8.] [0. 0.] [1. 3.] [6. 4.]]...

求矩阵的平方根注意sqrtm( ) 和 sqrt( )是两个不同的函数sqrtm( ) 对矩阵整体开平方sqrt( ) 对矩阵中每个位置上的值开平方import numpy as npfrom scipy.linalg import sqrtma = np.mat(np.array([[1,4],[9,16]]))# 对矩阵整体开平方b = sqrtm(a) c = b...