SOHO英文网站制作,最专业 汽车网站建设,北京建设安全生产协会网站,一站传媒seo优化full函数
numpy.full 是 NumPy 库中的一个函数#xff0c;它用于创建一个具有指定形状、数据类型和填充值的数组。此函数非常有用#xff0c;因为它允许你快速生成一个具有相同值的数组#xff0c;而无需手动设置每个元素。
1函数介绍
numpy.full(shape, fill_value, dty…full函数
numpy.full 是 NumPy 库中的一个函数它用于创建一个具有指定形状、数据类型和填充值的数组。此函数非常有用因为它允许你快速生成一个具有相同值的数组而无需手动设置每个元素。
1函数介绍
numpy.full(shape, fill_value, dtypeNone, orderC)
shape: 数组的形状可以是一个整数或整数元组。fill_value: 用于填充数组的值。dtype: 数组的数据类型。如果未指定则将从 fill_value 中推断数据类型。order: 指定数组在内存中的存储顺序。C 表示 C 风格的顺序行优先F 表示 Fortran 风格的顺序列优先A 表示原始顺序K 表示元素在内存中的出现顺序。
2示例
示例 1创建一维数组
import numpy as np # 创建一个长度为 5 的一维数组所有元素的值都是 7
arr np.full(5, 7)
print(arr) 结果输出
[7 7 7 7 7]
示例 2创建二维数组
import numpy as np # 创建一个 2x3 的二维数组所有元素的值都是 10
arr np.full((2, 3), 10)
print(arr)
输出结果
[[10 10 10] [10 10 10]]
示例 3指定数据类型
import numpy as np # 创建一个长度为 3 的一维数组所有元素的值都是 3.14数据类型为 float
arr np.full(3, 3.14, dtypefloat)
print(arr)
输出结果
[3.14 3.14 3.14]
import numpy as nparr np.full_like([[1,2,3],[4,5,6]],8)
print(arr)
输出结果
[[8 8 8] [8 8 8]]
import numpy as nparr np.full_like([[1,2,3],[4,5,6]],[7,8,9])
print(arr) [[7 8 9] [7 8 9]]
import numpy as nparr np.full_like([[1,2,3],[4,5,6]],[[7],[8]])
print(arr)
输出结果
[[7 7 7] [8 8 8]]
3注意点
numpy.full 与 numpy.zeros 和 numpy.ones 有些相似但 numpy.full 允许你指定填充值而不仅仅是 0 或 1。在使用 numpy.full 时请确保你明确知道 fill_value 的数据类型以避免不必要的数据类型转换。
random.randint函数
numpy.random.randint 是 NumPy 库中用于生成随机整数的函数。这个函数允许你指定一个范围包括开始和结束值然后返回在这个范围内均匀分布的随机整数。
1函数介绍
numpy.random.randint(low, highNone, sizeNone, dtypel)
low生成的随机整数的最小值包含。high生成的随机整数的最大值不包含。如果未指定则 high 将被设置为 low 的值且函数将返回一个等于 low 的随机整数。size输出的形状。如果提供了则输出将是给定形状的数组。默认是 None表示返回一个标量。dtype输出数组的数据类型。默认是 np.int通常是 np.int32 或 np.int64取决于平台。
2示例
示例 1生成单个随机整数
import numpy as np # 生成一个介于 0包含和 10不包含之间的随机整数
random_int np.random.randint(0, 10)
print(random_int)
输出结果
4【输出可能是 0 到 9 之间的任意一个整数。】
示例 2生成一个随机整数数组
import numpy as np # 生成一个形状为 (3,) 的数组包含介于 0 和 10 之间的随机整数
random_ints np.random.randint(0, 10, size(3,))
print(random_ints)
输出结果类似于
[5 1 1]
示例 3生成一个一维随机整数数组
import numpy as nprandom_ints_2d np.random.randint([3,5,7],10)
print(random_ints_2d)
#生成3个随机数一维数组分别介于[3,10)、[5,10)、[7,10)之间
类似结果于
[8 8 9]
例
import numpy as nprandom_ints_2d np.random.randint(3,[10,100,5])
print(random_ints_2d)
#生成3个随机数一维数组分别介于[3,10)、[3,100)、[3,5)之间
类似结果于
[ 5 41 4]
例
import numpy as nprandom_ints_2d np.random.randint([3,50,1],[10,100,5])
print(random_ints_2d)
#生成3个随机数一维数组分别介于[3,10)、[50,100)、[1,5)之间
类似结果于
[ 9 96 1]
示例4生成一个二维随机整数数组
import numpy as np # 生成一个形状为 (2, 3) 的二维数组包含介于 0 和 10 之间的随机整数
random_ints_2d np.random.randint(0, 10, size(2, 3))
print(random_ints_2d)
输出结果类似于
[[2 9 0] [3 3 9]]
3注意点
numpy.random.randint 返回的整数是均匀分布的即在给定范围内每个整数被选中的概率是相同的。如果你只提供一个参数给 numpy.random.randint那么它会被当作 high 参数而 low 默认为 0。例如np.random.randint(5) 将返回一个介于 0包含和 5不包含之间的随机整数。生成的随机整数是伪随机数它们是由一个确定的算法生成的因此每次你运行相同的代码时如果随机数生成器的种子没有改变你将得到相同的随机序列。
random.choice numpy.random.choice 用于从给定的一维数组或数字序列中随机选择元素。这个函数在需要随机抽样时非常有用无论是从一组数值中还是从一个更复杂的一维数组如字符串列表或对象数组中。
1函数介绍
numpy.random.choice(a, sizeNone, replaceTrue, pNone)
参数解释
a 类型1-D array-like or int。描述如果 a 是一个整数则定义从 0 到 a-1小于a的非负整数 的整数数组。如果 a 是一个数组则从 a 中随机抽取元素。size 类型整数或整数元组可选。描述输出数组的形状。如果提供了形状则函数将返回一个指定形状的数组其中每个元素都是从 a 中随机选择的。如果未指定默认为 None则返回一个标量。replace 类型布尔值可选。描述是否允许替换。如果 True默认值则抽取的元素可以重复出现。如果 False则抽取的元素不会重复出现直到所有元素都被抽取。p 类型1-D array-like可选。描述与 a 形状相同的序列用于指定每个元素被抽取的概率。如果没有提供则假定所有元素具有相同的抽取概率。
返回值
类型ndarray。描述从 a 中随机抽取的数组其形状由 size 参数指定。
2示例
示例 1从整数范围中随机选择
import numpy as np # 从 0 到 4包含中随机选择一个整数
choice np.random.choice(5)
print(choice)
输出结果类似于
1
例
import numpy as npabcnp.random.choice(5,10)
print(abc)
从小于5的非负整数中随机选择10个
输出结果类似于
[2 4 3 2 0 0 0 3 0 0]
例
import numpy as npabcnp.random.choice([80,70,60,10,50,40],(3,5))
print(abc) 从指定的数据中随机选择15个输出结果类似于
[[70 80 40 60 40] [70 60 40 80 40] [50 80 40 60 70]]
示例 2从数组中随机选择元素
import numpy as np # 创建一个数组
arr np.array([apple, banana, cherry]) # 从数组中随机选择一个元素
choice np.random.choice(arr)
print(choice)
输出结果类似于
apple
示例 3随机选择多个元素不替换
import numpy as np # 创建一个数组
arr np.array([1, 2, 3, 4, 5]) # 从数组中随机选择 3 个不重复的元素
choices np.random.choice(arr, size3, replaceFalse)
print(choices)
输出结果类似于
[3 1 2]
示例 4使用自定义概率进行随机选择
import numpy as np # 创建一个数组
arr np.array([a, b, c, d]) # 定义每个元素被选择的概率
probs np.array([0.1, 0.1, 0.6, 0.2]) # 根据定义的概率从数组中随机选择一个元素
choice np.random.choice(arr, pprobs)
print(choice)
结果输出类似于
d
3注意事项
当 replace 为 False 时如果 a 中的元素数量小于 size则 numpy.random.choice 函数将引发一个 ValueError因为无法在不替换的情况下抽取足够的唯一元素。p 参数必须与 a 的形状相匹配并且所有概率之和必须为 1。如果未提供 p则假定所有元素的选择概率相等。numpy.random.choice 返回的数组的数据类型与 a 的数据类型相同或兼容。
