np.clip(a, a_min, a_max, out=
none
)## 是乙個擷取函式，用於擷取陣列中小於或者大於某值的部分，並使得被擷取部分等於固定值,將陣列限制在最小值和最大值之間
# a：輸入矩陣；
# a_min：被限定的最小值，所有比a_min小的數都會強制變為a_min；
# a_max：被限定的最大值，所有比a_max大的數都會強制變為a_max；
# out：可以指定輸出矩陣的物件，shape與a相同
np.clip(a,1,
8)# a陣列不變
np.clip(a,3,
6, out=a)
# # 修剪後陣列存入到a中
np.clip(a,[3
,4,1
,1,1
,4,4
,4,4
,4],
8)# 當a_min為陣列時, a中每個元素和都和a_min中對應元素比較
# 0 < 3 -->小於最小值 則等於3
# 3 > 2 -->大於最小值 則等於本身 再和最大值比 沒超過最大值 所以為3
array([3
,4,2
,3,4
,5,6
,7,8
,8])
numpy中的函式的引數dim
a.max(dim)中的dim，並不是ａ上的維度。而是指ａ的shape上的順序(可以這麼理解)，ａ的shape是２ｘ３ｘ４，也就是[2, 3, 4]。故可以這樣一一對應以來。
ndim返回的是陣列的維度，返回的只有乙個數，該數即表示陣列的維度。
a = np.array([1
,2,3
,4,5
,6])
) b = np.array([[
1,2,
3],[
4,5,
6]])
) c = np.array([[
[1,2
,3],
[4,5
,6]]
,[[7
,8,9
],[10
,11,12
]]]print
(a.ndim, b.ndim, c.ndim)
# 1, 2, 3
print
(a.shape, b.shape, c.shape)
# (6, ) , (2, 3), (2, 2, 3)
對於一維陣列：有疑問的是為什麼不是（1，6），因為arr1.ndim維度為1，元組內只返回乙個數。
對於二維陣列：前面的是行，後面的是列，他的ndim為2，所以返回兩個數。
對於三維陣列：表示從括號外到內所包含的行或列數
array = np.array([[
1,2,
3],[
2,3,
4]])
print
(array.size)
# 6
print
(a.dtype, b.dtype, c.dtype)
# int32, int32, int32
int32、float64是numpy庫自己的一套資料型別。
a.astype(
'float'
)str1 = np.array(
["1.22"
,"3.44"
,"5.66"
], dtype=np.string_)
str1.astype(
'float'
)# arrry([1.22, 3.44, 5.66])
int32 --> float64 完全ok
float64 --> int32 會將小數部分截斷
string_ --> float64 如果字串陣列表示的全是數字，也可以用astype轉化為數值型別
float是python內建的型別，但是numpy可以使用。numpy會將python型別對映到等價的dtype上
numpy中的clip函式
numpy.clip a,a min,a max,out none source 其中a是乙個陣列，後面兩個引數分別表示最小和最大值，怎麼用呢，老規矩，我們看 import numpy as np x np.array 1,2,3,5,6,7,8,9 np.clip x,3,8 out 88 arr...
Numpy 中clip函式的使用
numpy.clip a,a min,a max,out none source 其中a是乙個陣列，後面兩個引數分別表示最小和最大值，怎麼用呢，老規矩，我們看 import numpy as np x np.array 1,2,3,5,6,7,8,9 np.clip x,3,8 out 88 arr...
Numpy常用函式
1 把向量轉化為矩陣 import numpy as np a np.arange 15 構造出乙個從0到14的向量 檢視為 array 0,1,2,3,4,5,6,7,8,9,10,11,12,13,14 改變向量為三行五列的矩陣 a.reshape 3,5 結果為 array 0,1,2,3,4...