numpy 的各种函数
求向量的距离公式 : np.sqrt(np.sum(np.square(vector1 - vector2)))
np.prod() 函数用来计算所有元素的乘积,对于有多个维度的数组可以指定轴,如axis=1指定计算每一行的乘积。
np.linspace()
numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
在指定的间隔内返回均匀间隔的数字。
返回num均匀分布的样本,在[start, stop]。
这个区间的端点可以任意的被排除在外。
example:
>>> np.linspace(2.0, 3.0, num=5) array([ 2. , 2.25, 2.5 , 2.75, 3. ]) >>> np.linspace(2.0, 3.0, num=5, endpoint=False) array([ 2. , 2.2, 2.4, 2.6, 2.8]) >>> np.linspace(2.0, 3.0, num=5, retstep=True) (array([ 2. , 2.25, 2.5 , 2.75, 3. ]), 0.25)
numpy中pad函数的常用方法
一、参数解释
ndarray = numpy.pad(array, pad_width, mode, **kwargs)
- array为要填补的数组
- pad_width是在各维度的各个方向上想要填补的长度,如((1,2),(2,2)),表示在第一个维度上水平方向上padding=1,垂直方向上padding=2,在第二个维度上水平方向上padding=2,垂直方向上padding=2。如果直接输入一个整数,则说明各个维度和各个方向所填补的长度都一样。
- mode为填补类型,即怎样去填补,有“constant”,“edge”等模式,如果为constant模式,就得指定填补的值,如果不指定,则默认填充0。
- 剩下的都是一些可选参数,具体可查看
https://docs.scipy.org/doc/numpy/reference/generated/numpy.pad.html - ndarray为填充好的返回值。
二、例子
1、对一维数组填充
【code】
import numpy as np array = np.array([1, 1, 1]) # (1,2)表示在一维数组array前面填充1位,最后面填充2位 # constant_values=(0,2) 表示前面填充0,后面填充2 ndarray=np.pad(array,(1,2),'constant', constant_values=(0,2)) print("array",array) print("ndarray=",ndarray)
【result】
array [1 1 1] ndarray= [0 1 1 1 2 2]
2、对二维数组填充
【code】
import numpy as np array = np.array([[1, 1],[2,2]])
""" ((1,1),(2,2))表示在二维数组array第一维(此处便是行)前面填充1行,最后面填充1行; 在二维数组array第二维(此处便是列)前面填充2列,最后面填充2列 constant_values=(0,3) 表示第一维填充0,第二维填充3 """
ndarray=np.pad(array,((1,1),(2,2)),'constant', constant_values=(0,3)) print("array",array) print("ndarray=",ndarray)
【result】
array [[1 1] [2 2]] ndarray= [[0 0 0 0 3 3] [0 0 1 1 3 3] [0 0 2 2 3 3] [0 0 3 3 3 3]]