一、创建特殊的数组
1、ones()
语法
np.ones(shape, dtype=None)
# shape 创建数组的shape
# dtype 指定数组的数据类型
例子
import numpy as nparr1 = np.ones((3, 4), dtype="int64")
print(arr1)
print(arr1.dtype)
2、zeros
语法
np.zeros(shape, dtype=None)
# shape 创建数组的shape
# dtype 指定数组的数据类型
例子
import numpy as nparr1 = np.zeros((8, ), dtype="int64")
print(arr1)
print(arr1.dtype)
3、eye
正方形数组，对角线为1，其它为0
语法
eye(N, dtype=float)
# N 数组的轴长度
# dtype 数据的类型
例子
import numpy as nparr1 = np.eye(3, dtype=int)
print(arr1)
print(arr1.dtype)
二、生成随机数组
1、rand
语法
np.random.rand(*shape)
# 创一个随机数组，数值范围0~1
例子
import numpy as npa = np.random.rand(*(3, 4))
print(a)
2、randn
语法
np.random.randn(*dn)
# 标准正太分布随机数，浮点数，平均数为0，标准差1
# dn shape
例子
import numpy as npa = np.random.randn(*(3, 4))
print(a)
3、randint 最常用
语法
np.random.randint(low, high=None, size=None)
# 生成随机整数
# low 最小值
# high 最大值
# size 和 shape一样
例子
import numpy as npa = np.random.randint(5, 10, (3, 4))
print(a)
4、uniform
语法
np.random.uniform(low=0.0, high=1.0, size=None)
# 产生具有均匀分布的数组
# low 起始值
# high 结束值
# size 和shape一样
例子
import numpy as npa = np.random.uniform(2, 4, (3, 4))
print(a)
5、normal
语法
np.random.normal(loc=0.0, scale=1.0, size=None)
# 从指定的正太分布中随机抽样
# loc 分布中心
# scale 标准差
# size 形状
例子
import numpy as npa = np.random.normal(0, 4, (3, 4))
print(a)
6、seed
语法
np.random.seed(s)
# 随种子，s是给定的种子值，通过这种方式后面的随机数是第一次生成的随机数
例子
import numpy as npnp.random.seed(10)
# a是第一次生成的随机数
a = np.random.randint(2, 8, (3, 4))
print(a)
三、copy和view
1、a=b 完全不赋值，a和b互相影响
2、a=b[:], 视图的操作，一种切片，会创建新的对象a,但是a的数据完全由b保管，他们两个的数据变化是一致的
3、a=b.copy()，复制，a和b互不影响
四、获取最大值和最小值的位置
1、获取最小值的位置
语法
argmin(a, axis=None)
# 获取对应轴的最小值的位置
# a 数组
# axis 轴
例子
import numpy as npnp.random.seed(1)
arr1 = np.random.randint(10, 100, (3, 4))
print(arr1)
a = np.argmin(arr1, axis=1)
print(a)
2、获取最大值的位置
语法
argmax(a, axis=None)
# 获取对应轴的最大值的位置
# a 数组
# axis 轴
例子
import numpy as npnp.random.seed(1)
arr1 = np.random.randint(10, 100, (3, 4))
print(arr1)
a = np.argmax(arr1, axis=0)
print(a)
