Numpy技巧

a = np.log(10)
2.30258509299
b = np.exp(a)
10.0

x = np.array([0, 1, 1, 3, 2, 1, 7])
# 索引0出现了1次，索引1出现了3次......索引5出现了0次......
np.bincount(x)
#因此，输出结果为：array([1, 3, 1, 1, 0, 0, 0, 1])
x = np.array([7, 6, 2, 1, 4])
# 索引0出现了0次，索引1出现了1次......索引5出现了0次......
np.bincount(x)
#输出结果为：array([0, 1, 1, 0, 1, 0, 1, 1])

# 我们可以看到x中最大的数为3，因此bin的数量为4，那么它的索引值为0->3
x = np.array([3, 2, 1, 3, 1])
# 本来bin的数量为4，现在我们指定了参数为7，因此现在bin的数量为7，所以现在它的索引值为0->6
np.bincount(x, minlength=7)
# 因此，输出结果为：array([0, 2, 1, 2, 0, 0, 0])
# 我们可以看到x中最大的数为3，因此bin的数量为4，那么它的索引值为0->3
x = np.array([3, 2, 1, 3, 1])
# 本来bin的数量为4，现在我们指定了参数为1，那么它指定的数量小于原本的数量，因此这个参数失去了作用，索引值还是0->3
np.bincount(x, minlength=1)
# 因此，输出结果为：array([0, 2, 1, 2])

x = np.arange(6)
x = x.reshape((2, 3))
x
array([[0, 1, 2],
       [3, 4, 5]])
np.ones_like(x)
array([[1, 1, 1],
       [1, 1, 1]])

np.eye(5, dtype=float)
[[ 1.  0.  0.  0.  0.]
 [ 0.  1.  0.  0.  0.]
 [ 0.  0.  1.  0.  0.]
 [ 0.  0.  0.  1.  0.]
 [ 0.  0.  0.  0.  1.]]

matrix = np.random.uniform(low=-0.1, high=0.1,size=(5,5))
[[-0.00600973 -0.00504933  0.02940658  0.08732409 -0.06275549]
 [ 0.03665056 -0.05661787 -0.04970316  0.04048853  0.03820367]
 [ 0.00304319  0.03092026  0.09509651  0.07155621  0.06756137]
 [ 0.01997299 -0.08168592  0.09852984  0.03795403  0.00385968]
 [-0.0735317   0.01449163 -0.04123698  0.03660972  0.03571927]]