Python Numpy常用操作

1  np.split():

Parameters:	ary : ndarray Array to be divided into sub-arrays. indices_or_sections : int or 1-D array If indices_or_sections is an integer, N, the array will be divided into N equal arrays along axis. If such a split is not possible, an error is raised. If indices_or_sections is a 1-D array of sorted integers, the entries indicate where along axis the array is split. For example, [2, 3] would, for axis=0, result in ary[:2] ary[2:3] ary[3:] If an index exceeds the dimension of the array along axis, an empty sub-array is returned correspondingly. axis : int, optional The axis along which to split, default is 0.
Returns:	sub-arrays : list of ndarrays A list of sub-arrays.
Raises:	ValueError 扫描二维码关注公众号，回复： 2755851 查看本文章 If indices_or_sections is given as an integer, but a split does not result in equal division.

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。