numpy生成随机数小结：import numpy as np
np.random.randint(0,100,size=(2,3,3)) ——从0-100的3行3列的2个数组【2维】
np.linspace(0,100,10) ——从0-100的10个等差数组
np.eye(N=5) ——对角线为1其他为0的5行5列数组
np.zeros(shape=(2,3,3),dtype=float) ——3行3列的2个数组，全部为0
np.ones(shape=(2,2),dtype=float) ——2行2列的一维数组，全部为1
np.full((3,4,5),fill_value=3.14) ——4行5列的3个数组【5维】，全部填充3.14
np.logspace(-3,2,5) ——从-3-2的5个从0.001-100的等差数列（使用科学计数法显示）【np.log10(0.001)=-3;np.log10(100)=2】
np.arange(0,100,step = 3) ——0-100，等差值为3的数组
np.random.randint(0,255,size = (22,55,3)) ——返回随机整数，范围区间为[low,high），包含low，不包含high（0-255的随机数【三维数组】）
np.random.randn(100,2,3) ——randn函数返回一个或一组样本，具有标准正态分布。【标准正太分布】
np.random.rand() ——rand函数根据给定维度生成[0,1)之间的数据，包含0，不包含1
np.random.normal(loc=0.0, scale=1.0, size=None)
np.random.random(size = (22,55,3)) ——生成[0,1)之间的浮点数
numpy.random.choice(a, size=None, replace=True, p=None) ——从给定的一维数组中生成随机数；参数： a为一维数组类似数据或整数；size为数组维度；p为数组中的数据出现的概率；a为整数时，对应的一维数组为np.arange(a)
numpy求秩（求解）
eye = np.eye(N = 5)
# 求解矩阵的秩
np.linalg.matrix_rank(eye)
# 如果一个矩阵是满秩----> 有唯一解
# 机器学习，本质上也是在解方程，通过矩阵
numpy 的 argsort/argmin/argmax/argwhere/logical_and 使用
# 列举数组
nd = np.array([2,4,6,8,3])
nd
# 最大值的索引
nd.argmax() ——>输出布尔值，带入：nd[nd.argmax()] 能输出结果，后面内容类似
# 最小值的索引
nd.argmin()
# 排序的索引/升序
nd.argsort()
cond1 = nd < 6
cond2 = nd >=4
np.logical_and(cond1,cond2)
# 把所有大于4的数据下标取出来，取值还需要套上 nd[]
np.argwhere(np.logical_and(nd < 6,nd >=4))
numpy的聚合 sum()/mean()/any()/all()
#nd是一个array数组
l=[-1,0,0,0,0]
nd=np.array(l)
display(l,nd)
nd.mean()——> -0.2
nd.sum() ——> -1
nd.any() ——> True(是否有个别非0？有一个非0就是True)
nd.all() ——> False(是否全部非0？有一个0就是False)