1 np.split():
Parameters: | ary : ndarray
indices_or_sections : int or 1-D array
axis : int, optional
|
---|---|
Returns: | sub-arrays : list of ndarrays
|
Raises: | ValueError
扫描二维码关注公众号,回复:
2755851 查看本文章
|
例子:
1 当数据划分均等的时候:
>>> x = np.arange(9.0)
>>> np.split(x, 3)
输出:[array([ 0., 1., 2.]), array([ 3., 4., 5.]), array([ 6., 7., 8.])]
>>> x = np.arange(8.0)
>>> np.split(x, [3, 5, 6, 10])
输出:[array([ 0., 1., 2.]),
array([ 3., 4.]),
array([ 5.]),
array([ 6., 7.]),
array([], dtype=float64)]
2 当数据划分不均等的时候,报错;
import numpy as np
x = np.arange(7.0)
print(np.split(x, 2))
'array split does not result in an equal division')
ValueError: array split does not result in an equal division
此时使用 np.arry_split()
>>> x = np.arange(8.0)
>>> np.array_split(x, 3)
[array([ 0., 1., 2.]), array([ 3., 4., 5.]), array([ 6., 7.])]
>>> x = np.arange(7.0)
>>> np.array_split(x, 3)
[array([ 0., 1., 2.]), array([ 3., 4.]), array([ 5., 6.])]
成功。
2 np.random.seed
seed( ) 用于指定随机数生成时所用算法开始的整数值,如果使用相同的seed( )值,则每次生成的随即数都相同,如果不设置这个值,则系统根据时间来自己选择这个值,此时每次生成的随机数因时间差异而不同。
如下测试:
from numpy import *
num=0
while(num<5):
random.seed(5)
print(random.random())
num+=1
结果:
再次修改以上代码:
from numpy import *
num=0
random.seed(5)
while(num<5):
print(random.random())
num+=1
结果:
可以看出:random.seed(something)只能是一次有效。这个用的时候要注意。