Numpy的随机函数、统计函数、梯度函数

NumPy随机函数子库

NumPy的random子库

np.random的随机数函数

函数	说明
rand(d0,d1,…,dn)	根据d0-dn创建随机数数组，浮点数，【0，1），均匀分布
randn(d0,d1,…,dn)	根据d0-dn创建随机数数组，标准正态分布
randint(low[,high,shape])	根据shape创建随机整数或整数数组，范围是【low,high）
seed(s)	随机数种子，s是给定的种子值
shuffle(a)	根据数组a的第1轴进行随排列，改变数组x
permutation(a)	根据数组a的第1轴产生一个新的乱序数组，不改变数组X
choice(a[,size,replace,p])	从一维数组a中以概率p抽取元素，形成size形状新数组replace表示是否可以重用元素，默认为False
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
normal(loc,scale,size)	产生具有正态分布的数组，loc均值，scale标准值，size形状
poisson(lam,size)	产生具有泊松分布的数组，lam随机事件发生率，size形状

shuffle

permutation

正态分布定义
正态分布是围绕某一均值，在特定方差下一种随机变量的取值空间可能

NumPy的统计函数

注：axis=None是统计函数的标准配置

函数	说明
sum(a,axis=None)	根据给定轴axis计算数组a相关元素之和，axis整数或元组
mean(a,axis=None)	根据给定轴axis计算数组a相关元素的期望，axis整数或元组
average(a,axis=None,weights=None)	根据给定轴axis计算数组a相关元素的加权平均值
std(a,axis=None)	根据给定轴axis计算数组a相关元素的标准差
var(a,axis=None)	根据给定轴axis计算数组a相关元素的方差
min(a) max(a)	计算数组a中元素的最小值、最大值
argmin(a) argmax()a	计算数组a中元素的最小值、最大值的降一维后下标
unravel_index(index,shape)	根据shape将一维下标index转换成多维下标
ptp(a)	计算数组a中元素的最大值与最小值的差
median(a)	计算数组a中元素的中位数（中值）

NumPy的梯度函数

函数	说明
np.gradient(f)	计算数组f中元素的梯度，当f为多维时，返回每个维度梯度

梯度：连续值之间的变化率，即斜率
XY坐标轴连续三个X坐标对应的Y轴值：a,b,c,其中，b的梯度是：（c-a）/2

gradient

梯度反映了元素的变化率，尤其是图像和声音等批量数据处理时候，梯度有助于我们发现图像或声音的边缘，在那些不是变化很平缓的地方，通过梯度可以很容易的发现，所以图像处理，声音处理等多媒体运算的时候，gradient会发出很大作用