技术标签: python正在处理中
一 numpy模块
NumPy系统是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵,比Python自身的嵌套列表(nested list structure)结构要高效的多(该结构也可以用来表示矩阵(matrix))。
import numpy as np
(1).np.linalg.norm(x)
顾名思义:linalg = linear + algebra,norm则表示范数,首先需要注意的是范数是对向量(或者矩阵)的度量,是一个标量(scalar):
首先help(np.linalg.norm查看文档
norm(x, ord=None, axis=None, keepdims=False)
x表示要度量的向量,ord表示范数的种类
参数
说明
计算方法
默认
二范数
np.sqrt(x1**2+x2**2+....+xn**2)
ord=2
二范数
同上
ord=1
一范数
|x1|+|x2|+...+|xn|
ord=np.inf
无穷范数
max(|xi|)
用于计算向量x的2范数
x = np.array([3,4])
y = np.linalg.norm(x)
print(y)
输出结果为5.0
计算矩阵x的2范数 对矩阵每一个元素求平方和然后开根号
x = np.array([3,4,5],[3,4,5])
y=np.linalg.norm(x)print(x)
输出结果为10.0
(2).np.log10(x) #计算以10为底的对数
np.log(x) #log下什么都不写默认是自然对数 e为底
x1 = 10
y1 = np.log10(x1)
x2 = np.e
y2 = np.log(x2)
print(y1,y2)
输出结果为1.0 1.0
(3).np.nan_to_num:Replace nan with zero and inf with finite numbers.
把np.nan(非常小的数字,接近0)用0取代
np.inf,或者-np.inf(正负无穷大的数字)用有限数替代
np.set_printoptions(precision=8)
x= np.array([np.inf, -np.inf, np.nan, -128, 128])print(np.nan_to_num(x))
输出结果为[ 1.79769313e+308 -1.79769313e+308 0.00000000e+000 -1.28000000e+002
1.28000000e+002]
(4).numpy.random.randn(d0, d1, …, dn)是从标准正态分布中返回一个或多个样本值。
numpy.random.rand(d0, d1, …, dn)的随机样本位于[0, 1)中。
x1 = np.random.randn(2,4)print(x1)
x2= np.random.rand(2,4)print(x2)
输出结果
[[-1.47942602 0.10728309 -1.49062996 1.32908036]
[ 0.37065869 -0.04594328 0.72822393 0.74898655]]
[[ 0.54672608 0.0216933 0.04434537 0.65831692]
[ 0.06332446 0.75230353 0.12993006 0.75911764]]
(5). numpy.random.normal(loc=0.0, scale=1.0, size=None) 正太分布
参数的意义为:
loc:float 概率分布的均值,对应着整个分布的中心center
scale:float 概率分布的标准差,对应于分布的宽度,scale越大越矮胖,scale越小,越瘦高
size:int or tuple of ints 维数
(6).numpy.random.random(size)
random.random()用于生成一个0到1的随机符点数: 0 <= n
< 1.0
(7).numpy.random.uniform(a,b) 用于生成一个指定范围内的随机符点数,两个参数其中一个是上限,一个是下限。如果a > b,则生成的随机数n: a <= n <= b。如果
a
print random.uniform(10, 20)print random.uniform(20, 10)#18.7356606526#12.5798298022
(8).random.randint(a, b)
用于生成一个指定范围内的整数。其中参数a是下限,参数b是上限,生成的随机数n: a <= n <= b
print random.randint(12, 20) #生成的随机数 n: 12 <= n <= 20
print random.randint(20, 20) #结果永远是20#print random.randint(20, 10) # 该语句是错误的。下限必须小于上限
(9).random.randrange([start], stop[, step])
从指定范围内,按指定基数递增的集合中 获取一个随机数。如:random.randrange(10, 100, 2),结果相当于从[10, 12, 14, 16, ... 96, 98]序列中获取一个随机数。random.randrange(10, 100, 2)在结果上与 random.choice(range(10, 100, 2) 等效.
(10).andom.choice(sequence)
从序列中获取一个随机元素。其函数原型为:random.choice(sequence)。参数sequence表示一个有序类型。这里要说明 一下:sequence在python不是一种特定的类型,而是泛指一系列的类型。list, tuple, 字符串都属于sequence。有关sequence可以查看python手册数据模型这一章。下面是使用choice的一些例子:
print random.choice("学习Python")print random.choice(["JGood", "is", "a", "handsome", "boy"])print random.choice(("Tuple", "List", "Dict"))
(11).random.shuffle(x[, random])
用于将一个列表中的元素打乱。如:
p = ["Python", "is", "powerful", "simple", "and so on..."]
random.shuffle(p)printp#['powerful', 'simple', 'is', 'Python', 'and so on...']
(12)对ndarray类型使用len函数
len用于获取一个数组的长度,如果是多维数组,则获取数组的行数。
temp = np.zeros(shape=[10,20])print(len(temp)) #10
(13)np.squeeze(a, axis=None):
从数组的形状中删除单维度条目,即把shape中为1的维度去掉。
x = np.array([[[0], [1], [2]]])print(x.shape) #(1, 3, 1)
print(np.squeeze(x).shape) #(3,)
print(np.squeeze(x, axis=(2,)).shape) #(1, 3)
(14). np.expand_dims(a, axis):
该函数和np.squeeze()正好相反,数组形状扩充一个维度的。
x = np.array([1,2])print(x.shape) #(2,)
y = np.expand_dims(x, axis=0)print(y.shape) #(1, 2)
(15)列向量和行向量,以及秩为1的数组的区别
#-*- coding: utf-8 -*-
"""Created on Sun Mar 25 20:17:21 2018
x = np.array([[[0], [1], [2]]])print(x.shape) #(1, 3, 1)
print(np.squeeze(x).shape) #(3,)
print(np.squeeze(x, axis=(2,)).shape) #(1, 3)
@author: Administrator"""
importnumpy as np'''下面显示了秩为1的数组以及列向量和行向量的使用,以及区别.我们在使用的时候最好不要使用秩为1的数组
并且当我们不确定矩阵或者向量的维数维数时,我们可以使用.reshape(m,n)指定'''
#a为秩为1的数组,我们可以看到转置和本身一致,shape都是(5,)
a = np.random.randn(5)print(a,a.shape) #[ 0.58371745 0.62467384 0.72225761 -0.32777546 -1.06321595] (5,)
print(a.T,a.T.shape) #[ 0.58371745 0.62467384 0.72225761 -0.32777546 -1.06321595] (5,)
r=np.dot(a,a)print(r,r.shape) #2.49046445333 ()
r=np.dot(a,a.T)print(r,r.shape) #2.49046445333 ()
#a1为5x1的列向量
a1 = np.random.randn(5,1)print(a1,a1.shape) #[[-0.20126605]
#[-0.08183096]
#[ 0.12709234]
#[ 1.88915869]
#[1.18566033]] (5, 1)
#r1 = np.dot(a1,a1) #会报错 shapes (5,1) and (5,1) not aligned: 1 (dim 1) != 5 (dim 0)#print(r1,r1.shape)
r1=np.dot(a1,a1.T)print(r1,r1.shape) #[[ 0.04050802 0.01646979 -0.02557937 -0.3802235 -0.23863317]
#[ 0.01646979 0.00669631 -0.01040009 -0.15459166 -0.09702372]
#[-0.02557937 -0.01040009 0.01615246 0.24009759 0.15068834]
#[-0.3802235 -0.15459166 0.24009759 3.56892057 2.23990052]
#[-0.23863317 -0.09702372 0.15068834 2.23990052 1.40579042]] (5, 5)
#a2为1x5的行向量
a2 = np.random.randn(1,5)print(a2,a2.shape) #[ 0.48272148 0.4743339 -0.31309436 2.01153588 -0.58482391] (5,)
#r2 = np.dot(a2,a2) #会报错 shapes (1,5) and (,5) not aligned: 5 (dim 5) != 1 (dim 0)#print(r2,r2.shape)
r2=np.dot(a2,a2.T)print(r2,r2.shape) #[[ 3.81502768]] (1, 1)
#由list或者touple转换为的秩为数组,我们最好指定其shape
c = np.array([1,2,3,4])
print(c.shape) #(4,)
c = np.array([1,2,3,4]).reshape(4,1)
print(c.shape) #(4,1)
d = np.array([[1,2,3],[4,5,6]])
print(d.shape) #(2,3)
参考文献
文章浏览阅读3.8k次,点赞9次,收藏28次。直接上一个工作中碰到的问题,另外一个系统开启多线程调用我这边的接口,然后我这边会开启多线程批量查询第三方接口并且返回给调用方。使用的是两三年前别人遗留下来的方法,放到线上后发现确实是可以正常取到结果,但是一旦调用,CPU占用就直接100%(部署环境是win server服务器)。因此查看了下相关的老代码并使用JProfiler查看发现是在某个while循环的时候有问题。具体项目代码就不贴了,类似于下面这段代码。while(flag) {//your code;}这里的flag._main函数使用while(1)循环cpu占用99
文章浏览阅读347次。idea shift f6 快捷键无效_idea shift +f6快捷键不生效
文章浏览阅读135次。Ecmacript 中没有DOM 和 BOM核心模块Node为JavaScript提供了很多服务器级别,这些API绝大多数都被包装到了一个具名和核心模块中了,例如文件操作的 fs 核心模块 ,http服务构建的http 模块 path 路径操作模块 os 操作系统信息模块// 用来获取机器信息的var os = require('os')// 用来操作路径的var path = require('path')// 获取当前机器的 CPU 信息console.log(os.cpus._node模块中有很多核心模块,以下不属于核心模块,使用时需下载的是
文章浏览阅读10w+次,点赞435次,收藏3.4k次。SPSS 22 下载安装过程7.6 方差分析与回归分析的SPSS实现7.6.1 SPSS软件概述1 SPSS版本与安装2 SPSS界面3 SPSS特点4 SPSS数据7.6.2 SPSS与方差分析1 单因素方差分析2 双因素方差分析7.6.3 SPSS与回归分析SPSS回归分析过程牙膏价格问题的回归分析_化工数学模型数据回归软件
文章浏览阅读7.5k次。如何利用hutool工具包实现邮件发送功能呢?1、首先引入hutool依赖<dependency> <groupId>cn.hutool</groupId> <artifactId>hutool-all</artifactId> <version>5.7.19</version></dependency>2、编写邮件发送工具类package com.pc.c..._hutool发送邮件
文章浏览阅读867次,点赞2次,收藏2次。docker安装elasticsearch,elasticsearch-head,kibana,ik分词器安装方式基本有两种,一种是pull的方式,一种是Dockerfile的方式,由于pull的方式pull下来后还需配置许多东西且不便于复用,个人比较喜欢使用Dockerfile的方式所有docker支持的镜像基本都在https://hub.docker.com/docker的官网上能找到合..._docker安装kibana连接elasticsearch并且elasticsearch有密码
文章浏览阅读1.3w次,点赞57次,收藏92次。整理 | 郑丽媛出品 | CSDN(ID:CSDNnews)近年来,随着机器学习的兴起,有一门编程语言逐渐变得火热——Python。得益于其针对机器学习提供了大量开源框架和第三方模块,内置..._beeware
文章浏览阅读7.9k次。//// ViewController.swift// Day_10_Timer//// Created by dongqiangfei on 2018/10/15.// Copyright 2018年 飞飞. All rights reserved.//import UIKitclass ViewController: UIViewController { ..._swift timer 暂停
文章浏览阅读986次,点赞2次,收藏2次。1.硬性等待让当前线程暂停执行,应用场景:代码执行速度太快了,但是UI元素没有立马加载出来,造成两者不同步,这时候就可以让代码等待一下,再去执行找元素的动作线程休眠,强制等待 Thread.sleep(long mills)package com.example.demo;import org.junit.jupiter.api.Test;import org.openqa.selenium.By;import org.openqa.selenium.firefox.Firefox.._元素三大等待
文章浏览阅读3k次,点赞4次,收藏14次。Java软件工程师职位分析_java岗位分析
文章浏览阅读2k次。Java:Unreachable code的解决方法_java unreachable code
文章浏览阅读1w次。1、html中设置标签data-*的值 标题 11111 222222、点击获取当前标签的data-url的值$('dd').on('click', function() { var urlVal = $(this).data('ur_如何根据data-*属性获取对应的标签对象