np函数学习

  • numpy.square()
    np函数学习_第1张图片
  1. 输入一个矩阵,返回一个同样大小的矩阵,里面的每一个元素平方。
  • numpy.sqrt()
    np函数学习_第2张图片
    返回一个与输入对象shape相同的多维数组,里面的每一个元素都是输入数组对应元素的开更号的运算。
  • numpy.dot()
    np函数学习_第3张图片
  1. 如果A和B都是一维向量,是内积的运算,例如a= [x1,x1,x3],b =[y1,y2,y3].a内积b的结果为x1y1+x2y2+x3*y3->是一个数字a = np.array([1,5,8]);c = np.array([1,5,3])最后结果为50
  2. 如果A和B为2-D的阵列,那就按矩阵的乘法运算来。
  3. 如果是A是N-D,B是1-Darray,结果为:所有A的最后一轴与B进行和积 ,比如A为二维的阵列,那就是A的每一行D维的向量与B进行内积求和例1d = np.array([[2,2,3],[1,8,9]]) a = np.array([1,5,8]) 结果为:[ 36 113] 例二:223的矩阵与13的dot运算。 d = np.array([[[2,2,3],[1,8,9]],[[2,2,3],[1,8,9]]]) a = np.array([1,5,8])结果为22[[ 36 113] [ 36 113]]
  4. 如果A是N-D,B是M-D,那就是进行和积运算:按照A的最后一轴和B的倒数第二轴进行和积。自己理解就是各自的维数的1-D数组做内积,然后组成一个多维的矩阵。
  • np.bincount()
    np函数学习_第4张图片
    函数会自动从0开始的到数组最大值得中间间隔为1 的数值的计数。

  • np.random.choice()

np函数学习_第5张图片
replace参数是在一次抽样中,是否元素可以重复出现,如果replace= True 则抽样中的元素可以重复出现,否则不行。

你可能感兴趣的:(numpy)