- rand（d0，d1....dn）
参数：维度设置、int整型、可选；给定的维度必须是正数，如果没有给任何参数，则返回一个python浮点数.
输出：ndarray；随机数值，数值大小服从均匀分布[0, 1).
#例子
np.random.rand(3,2)
#输出
[[ 0.91018835 0.81058281]
[ 0.79837365 0.45386407]
[ 0.45797705 0.45170906]]
- randn（d0，d1....dn）
使用方法、参数和输出同上，区别是返回的数值服从标准正太分布.
#例子
np.random.randn()
#输出
1.3833194717008752
#例子
np.random.randn(2, 3) + 3
#输出
[[ 1.59315748 3.60762008 2.02047004]
[ 2.69538253 2.65981673 4.2338875 ]]
- randint（low, high=None, size=None, dtype='l'）
参数：分别是范围值设置参数[low, high)（high是可选的，如果为None，则范围是[0, low)）、维度设置（可选）、输出结果的类型参数设置.
返回值：随机整数
#例子
np.random.randint(2, size=10)
#输出
[1, 0, 0, 0, 1, 1, 0, 0, 1, 0]
#例子
np.random.randint(5, size=(2, 4))
#输出
[[4, 0, 2, 1],
[3, 2, 2, 0]]
- random(size=None)
#Return random floats in the half-open interval [0.0, 1.0).
#例子
print(np.random.random())
print(np.random.random((2, 3)))
#输出
0.668554697988308
[[ 0.67318801 0.29553275 0.48014267]
[ 0.09472903 0.55096364 0.05223546]]
- choice(a, size=None, replace=True, p=None)
choice() 方法返回一个随机项（Generates a random sample from a given 1-D array）
参数：a为1-D array-like or int、维度、replace是抽取的样本项是否重复、p为每一项被采样到的概率
返回：single item or ndarray
#例子
np.random.choice(5, 3)
#输出、如果a为单个整数，则从np.arange(a)中采样得到
[0, 3, 4]
#例子
np.random.choice(5, 3, p=[0.1, 0, 0.3, 0.6, 0])
np.random.choice(5, 3, replace=False)
#输出、注意到第一个例子重复的项被采样出、而第二个例子则不会（不信可以去多打印几次。。。。。）
[3, 3, 0]
[3, 1, 0]
#例子
aa_milne_arr = ['pooh', 'rabbit', 'piglet', 'Christopher']
np.random.choice(aa_milne_arr, 5, p=[0.5, 0.1, 0.1, 0.3])
#输出
['pooh', 'pooh', 'pooh', 'Christopher', 'piglet']
- .expand_dims(a, axis)
对给定array插入一个维度，用于扩展数组的shape
#例子
x = np.array([1,2])
x.shape
#输出
(2,)
#1维的例子
>>> y = np.expand_dims(x, axis=0)
>>> y
array([[1, 2]])
>>> y.shape
(1, 2)
#
>>> y = np.expand_dims(x, axis=1) # Equivalent to x[:,newaxis]
>>> y
array([[1],
[2]])
>>> y.shape
(2, 1)
#二维
x = np.array([[1,2,3],[4,5,6]])
print x
print x.shape
>>>[[1 2 3]
[4 5 6]]
>>>(2, 3)
----------------
y = np.expand_dims(x,axis=0)
print y
print "y.shape: ",y.shape
print "y[0][1]: ",y[0][1]
>>>[[[1 2 3]
[4 5 6]]]
>>>y.shape: (1, 2, 3)
>>>y[0][1]: [4 5 6]
----------------
y = np.expand_dims(x,axis=1)
print y
print "y.shape: ",y.shape
print "y[1][0]: ",y[1][0]
>>>[[[1 2 3]]
[[4 5 6]]]
>>>y.shape: (2, 1, 3)
>>>y[1][0]: [4 5 6]
- 还有这种操作~~
#例子
import numpy as np
a = np.array([1,2,3,4,5,6])
b = (a<5)
print(b)
print(type(b))
print(a[a < 5])
#out
[ True True True True False False]
<class 'numpy.ndarray'>
[1 2 3 4]
#例子
a = [1, 2, 3]
b = [4, 5, 6]
print(a+b)
#out
[1, 2, 3, 4, 5, 6]
暂时这么多，笔记~~~~~~
