clip
两个版本：
np.clip作为成员函数，
x.clip
将一序列（sequence）中所有小于零的元素置零：
>>> x = np.arange(-5, 5)>>> xarray([-5, -4, -3, -2, -1, 0, 1, 2, 3, 4])
- 1
- 2
- 3
法1，布尔索引
>>> x<0array([ True, True, True, True, True, False, False, False, False, False], dtype=bool)>>> x[x<0] = 0>>> xarray([0, 0, 0, 0, 0, 0, 1, 2, 3, 4])- 1
- 2
- 3
- 4
- 5
法2：np.where（三目运算），不对原始序列进行修改
>>> x = np.where(x<0, 0, x)array([0, 0, 0, 0, 0, 0, 1, 2, 3, 4])- 1
- 2
- 法3：使用clip，不对原始序列进行修改
clip的第一个参数表示目标区间最小值，第二个参数表示最大值，原始序列凡小于这个最小值的被这个最小值所替换，凡大于这个最大值的被这个最大值替换，必须指定一个参数，则另一个参数默认为∞ ∞的情况，在进行相加时会破坏整个内积运算的结果。
>>> 0*np.nan_to_num(np.log(0))0.0
- 1
- 2
我们或者：
def fn(a, y): return -(np.dot(y.transpose(), np.nan_to_num(np.log(a)))+np.dot((1-y).transpose(), np.nan_to_num(np.log(1-a))))
- 1
- 2
或者：
扫描二维码关注公众号，回复：
5061795 查看本文章
def fn(a, y): return -np.sum(np.nan_to_num(y*np.log(a)+(1-y)*np.log(1-a)))
- 1
- 2
np.cumsum()
np.cumsum(a)函数返回一个多维数组，其shape等于a的shape
p = np.random.random(100000)rolls = np.random.random((11, len(p)))Alice_wins = np.cumsum(rolls < p, 0) # 0，表示列向Bob_wins = np.cumsum(rolls >= p, 0) # 0，表示列向
- 1
- 2
- 3
- 4
- 5
- 6
首先需要说明的是，np.array() < 0，返回的是bool元素类型的多维数组。也即上述代码中的rolls < p，也即np.cumsum()的第一个参数为多维元组类型。np.cumsum(rolls < p, 0)，第二个参数0表示在列的方向进行累积相加。
再分享一下我老师大神的人工智能教程吧。零基础！通俗易懂！风趣幽默！还带黄段子！希望你也加入到我们人工智能的队伍中来！https://blog.csdn.net/jiangjunshow