注：本系類筆記采用的是Python3.5X版本短蜕，編程環(huán)境為Windows64位下的Anaconda
所有代碼部分均為連續(xù)的朋魔，“結果”為在jupyter分步運行結果
代碼部分：
import numpy as np
sample1 = np.random.random((3,2))#生成3行2列從0到1的隨機數(shù)
print(sample1)
結果：
[[ 0.42548654 0.60831272]
[ 0.48034909 0.70289579]
[ 0.96871932 0.33469266]]
sample2 = np.random.normal(size=(3,2))#生成3行2列符合標準正態(tài)分布的隨機數(shù)
print(sample2)
結果：
[[ 0.82645622 -0.63300866]
[ 0.18604463 -0.30988056]
[-1.50301955 -0.51466896]]
sample3 = np.random.randint(0,10,size=(3,2))#生成3行2列從0到10的隨機整數(shù)
print(sample3)
結果：
[[2 4]
[3 1]
[0 3]]
————————————————————————————————————
以下是對隨機數(shù)的計算
np.sum(sample1)#求和
結果：
3.5204561139867017
np.min(sample1)#求最小值
結果：
0.33469265548836047
np.max(sample1)#求最大值
結果：
0.96871931960307933
np.sum(sample1,axis=0)#對列求和
結果:
array([ 1.87455495, 1.64590117])
np.sum(sample1,axis=1)#對行求和
結果:
array([ 1.03379926, 1.18324488, 1.30341198])
print(sample1)
結果：
[[ 0.42548654 0.60831272]
[ 0.48034909 0.70289579]
[ 0.96871932 0.33469266]]
np.argmin(sample1)#求最小值的索引
結果：
5
原因：sample1索引是按如下順序排列的
[[0 1]
[2 3]
[4 5]]
np.argmax(sample1)#求最大值的索引
結果：
4
print(np.mean(sample1))#求平均值 (方法一)
print(sample1.mean())#求平均值（方法二）
結果：
0.586742685664
0.586742685664
np.median(sample1)#求中位數(shù)
#如果是單數(shù)卿操，則求中間的值
#如果是雙數(shù)警检，則求中間兩個值得平均值
結果：
0.5443309058371042
np.sqrt(sample1)#開方
結果：
array([[ 0.65229329, 0.77994405],
[ 0.69307221, 0.8383888 ],
[ 0.9842354 , 0.57852628]])
sample4 = np.random.randint(0,10,size=(1,10))
print(sample4)
結果:
[[9 2 3 0 2 8 1 3 2 8]]
np.sort(sample4)#排序
結果：
array([[0, 1, 2, 2, 2, 3, 3, 8, 8, 9]])
np.sort(sample1)#對多維矩陣的排序
結果：
array([[ 0.42548654, 0.60831272],
[ 0.48034909, 0.70289579],
[ 0.33469266, 0.96871932]])
np.clip(sample4,2,7)#小于2就變成2，大于7就變?yōu)?
結果：
array([[7, 2, 3, 2, 2, 7, 2, 3, 2, 7]])
