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]]