numpy 常用函数clip()
np.clip()
np.clip(a, a_min, a_max, out=None) ## 是一个截取函数，用于截取数组中小于或者大于某值的部分，并使得被截取部分等于固定值,将数组限制在最小值和最大值之间
# a：输入矩阵；
# a_min：被限定的最小值，所有比a_min小的数都会强制变为a_min；
# a_max：被限定的最大值，所有比a_max大的数都会强制变为a_max；
# out：可以指定输出矩阵的对象，shape与a相同
例：
np.clip(a, 1, 8) # a数组不变
np.clip(a, 3, 6, out=a) # # 修剪后数组存入到a中
np.clip(a, [3,4,1,1,1,4,4,4,4,4], 8)
# 当a_min为数组时, a中每个元素和都和a_min中对应元素比较
# 0 < 3 -->小于最小值 则等于3
# 3 > 2 -->大于最小值 则等于本身 再和最大值比 没超过最大值 所以为3
array([3, 4, 2, 3, 4, 5, 6, 7, 8, 8])
dim、shape、size、dtype、astype
ref
dim参数
numpy中的函数的参数dim
a.max(dim)中的dim，并不是ａ上的维度。而是指ａ的shape上的顺序(可以这么理解)，ａ的shape是２ｘ３ｘ４，也就是[2, 3, 4]。故可以这样一一对应以来。
ndim
ndim返回的是数组的维度，返回的只有一个数，该数即表示数组的维度。
a = np.array([1, 2, 3, 4, 5, 6]))
b = np.array([[1, 2, 3], [4, 5, 6]]))
c = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]]
print(a.ndim, b.ndim, c.ndim)
# 1, 2, 3
shape
print(a.shape, b.shape, c.shape)
# (6, ) , (2, 3), (2, 2, 3)
shape：表示各位维度大小的元组。返回的是一个元组。
对于一维数组：有疑问的是为什么不是（1，6），因为arr1.ndim维度为1，元组内只返回一个数。
对于二维数组：前面的是行，后面的是列，他的ndim为2，所以返回两个数。
对于三维数组：表示从括号外到内所包含的行或列数
size
array = np.array([[1, 2, 3],
[2, 3, 4]])
print(array.size)
# 6
size表示数组中一共有多少个元素。
dtype
print(a.dtype, b.dtype, c.dtype)
# int32, int32, int32
表示数据类型
int32、float64是Numpy库自己的一套数据类型。
astype
a.astype('float')
str1 = np.array(["1.22", "3.44", "5.66"], dtype=np.string_)
str1.astype('float')
# arrry([1.22, 3.44, 5.66])
转换数组的数据类型。
int32 --> float64 完全ok
float64 --> int32 会将小数部分截断
string_ --> float64 如果字符串数组表示的全是数字，也可以用astype转化为数值类型
float是python内置的类型，但是Numpy可以使用。Numpy会将Python类型映射到等价的dtype上