numpy函数总结

Python取numpy数组的某几行某几列方法

正确分析：

C_A = c[[0,2]]    #先取出想要的行数据
C_A = C_A[:,[2,3]] #再取出要求的列数据
print(C_A) #输出最终结果
1
2
3

原文：https://blog.csdn.net/qq_34734303/article/details/80631831
stack

np.vstack():在竖直方向上堆叠
np.hstack():在水平方向上平铺

import numpy as np
arr1=np.array([1,2,3])
arr2=np.array([4,5,6])
print (np.vstack((arr1,arr2)))
 #[[1 2 3]
 #[4 5 6]]
print (np.hstack((arr1,arr2)))
#  [1 2 3 4 5 6]

a1=np.array([[1,2],[3,4],[5,6]])
a2=np.array([[7,8],[9,10],[11,12]])
print (a1)
print (a2)
print (np.hstack((a1,a2)))
# [[ 1  2  7  8]
#  [ 3  4  9 10]
#  [ 5  6 11 12]]

原文 https://blog.csdn.net/m0_37393514/article/details/79538748
np.random.choice

参数意思分别 是从a 中以概率P，随机选择3个, p没有指定的时候相当于是一致的分布

a1 = np.random.choice(a=5, size=3, replace=False, p=None)
print(a1)

非一致的分布，会以多少的概率提出来

a2 = np.random.choice(a=5, size=3, replace=False, p=[0.2, 0.1, 0.3, 0.4, 0.0])
print(a2)

replacement 代表的意思是抽样之后还放不放回去，如果是False的话，那么出来的三个数都不一样，如果是
True的话， 有可能会出现重复的，因为前面的抽的放回去了

原文：https://blog.csdn.net/qfpkzheng/article/details/79061601

numpy添加新的维度：newaxis

	newaxis放在第几个位置，就会在shape里面看到相应的位置增加了一个维数

来源：https://blog.csdn.net/xtingjie/article/details/72510834
.dot()
一开始看到这个函数的时候，总是把它想成点积，因为dot是点的意思。。。

后来在经历了dot()和*完全搞混，犯下错误之后，才终于弄明白了。

dot()计算的是我们经常计算的矩阵乘法，设A(2 * 3), B(3 * 4), 那么dot(A, B)就表示两个矩阵相乘，得到的结果是一个2 * 4的矩阵。

而*，相当于matlab中的.*, 也就是真正的点积，即元素对应相乘。

>>> a = [[1, 0], [0, 1]]
>>> b = [[4, 1], [2, 2]]
>>> np.dot(a, b)
array([[4, 1],
       [2, 2]])

两个向量a = [a1, a2,…, an]和b = [b1, b2,…, bn]的点积定义为：a·b=a1b1+a2b2+……+anbn

引用：https://blog.csdn.net/qq_25436597/article/details/78839059

numpy.concatenate

numpy提供了numpy.concatenate((a1,a2,…), axis=0)函数。能够一次完成多个数组的拼接。其中a1,a2,…是数组类型的参数

示例3：

>>> a=np.array([1,2,3])
>>> b=np.array([11,22,33])
>>> c=np.array([44,55,66])
>>> np.concatenate((a,b,c),axis=0)  # 默认情况下，axis=0可以不写
array([ 1,  2,  3, 11, 22, 33, 44, 55, 66]) #对于一维数组拼接，axis的值不影响最后的结果
#多维数组：
>>> a=np.array([[1,2,3],[4,5,6]])
>>> b=np.array([[11,21,31],[7,8,9]])
>>> np.concatenate((a,b),axis=0)
array([[ 1,  2,  3],
       [ 4,  5,  6],
       [11, 21, 31],
       [ 7,  8,  9]])

>>> np.concatenate((a,b),axis=1)  #axis=1表示对应行的数组进行拼接
array([[ 1,  2,  3, 11, 21, 31],
       [ 4,  5,  6,  7,  8,  9]])OC](这里写自定义目录标题)