Numpy中take的用法
@numpy.take
今天在学习批量梯度下降的时候,遇到到了numpy.take的使用。在查看数据时发现数据不对。在踩了不少坑之后把正确的用法分享给大家,希望有所帮助。
官方给的是:numpy.take(a, indices, axis=None, out=None, mode=‘raise’)
首先:import numpy as np
1 一维
a.take([1,3,5])然后检索并返回索引值
np.take(a,[2,3,4,5])
a=np.array([1,2,3,4,5,6,7,8])
a.take([1,3,5])
Out: array([2, 4, 6])
a.take([[1,2],[5,6],[7,3]])
np.take(a,[[1,2],[5,6],[7,3]])
a.take([[1,2],[5,6],[7,3]])
Out[:
array([[2, 3],[6, 7],[8, 4]])
2 二维
2.1 将a拉伸到一维,然后检索并返回索引值
a.take([2,3,4,5])
开始是就是用的这个想实现对a的多个行的批量提取,结果是被某本书坑了
a=np.random.normal(scale=1,size=(10,3))
a
Out:
array([[-1.50838341, 0.99411815, 0.24235823],[-0.12796084, -0.70911685, 0.14531075],[-0.66622913, 0.71310281, 0.00489795],[-1.14879622, -0.46928042, 0.09963761],[ 0.58571326, -0.87623609, -1.61765158],[-0.69099651, 0.46168484, 0.40972329],[ 1.46882772, 0.24385758, 1.13027564],[ 0.58361964, -1.03671992, 0.26725419],[ 1.88963088, 0.93663697, -0.58835718],[ 0.23232112, -0.82063153, -1.07470206]])a.take([2,3,4,5])
Out: array([ 0.24235823, -0.12796084, -0.70911685, 0.14531075])
2.2 检索a对应的行,并返回索引行的值
a.take([2,3,4,5],0)
np.take(a,[2,3,4,5],0)
np.take(a,[2,3,4,5],axis=0)
以上三种的结果一致
a.take([2,3,4,5],0)Out:
array([[-0.66622913, 0.71310281, 0.00489795],[-1.14879622, -0.46928042, 0.09963761],[ 0.58571326, -0.87623609, -1.61765158],[-0.69099651, 0.46168484, 0.40972329]])
2.3 检索a对应的列,并返回索引列的值
a.take([0,2],1)
np.take(a,[0,2],1)
np.take(a,[0,2],axis=1)
以上三种的结果一致
a.take([0,2],1)
Out:
array([[-1.50838341, 0.24235823],[-0.12796084, 0.14531075],[-0.66622913, 0.00489795],[-1.14879622, 0.09963761],[ 0.58571326, -1.61765158],[-0.69099651, 0.40972329],[ 1.46882772, 1.13027564],[ 0.58361964, 0.26725419],[ 1.88963088, -0.58835718],[ 0.23232112, -1.07470206]])
Numpy中take的用法相关推荐
- numpy 中shape的用法
numpy 中shape的用法 返回各个维度的维数. >>> import numpy as np >>> y = np.array([[1,2,3],[4,5,6 ...
- python3 nonzero_浅谈python numpy中nonzero()的用法
nonzero函数返回非零元素的目录. 返回值为元组, 两个值分别为两个维度, 包含了相应维度上非零元素的目录值. import numpy as np A = np.mat([[0,1,2,3,4, ...
- Numpy中reshape的用法
目录 numpy中reshape函数的三种常见相关用法 reshape(n,-1),将数组转换成 n 行: reshape(-1,n),将数组转换成 n 列: numpy中reshape函数的三种常见 ...
- Numpy中 arange() 的用法
1. 概述 Numpy 中 arange() 主要是用于生成数组,具体用法如下: 2. arange() 2.1 语法 numpy.arange(start, stop, step, dtype = ...
- python中cumsum_python numpy中cumsum的用法详解
Cumsum :计算轴向元素累加和,返回由中间结果组成的数组 重点就是返回值是"由中间结果组成的数组" 以下代码在python3.6版本运行成功! 下面看代码,定义一个2*2*3的 ...
- numpy中stack的用法直观理解
首先生成一些数, import numpy as np a = np.arange(1, 7).reshape((2, 3)) b = np.arange(7, 13).reshape((2, 3)) ...
- python numpy中setdiff1d的用法
目录 一.函数解释 二.具体示例 三.整体代码 一.函数解释 setdiff1d(ar1, ar2, assume_unique=False) 1.功能:找到2个数组中集合元素的差异. 2.返回值:在 ...
- python中argsort_(学习笔记)numpy中argsort函数用法
在Python中使用help帮助 >>> import numpy >>> help(numpy.argsort) Help on function argsort ...
- (Python)对numpy中的argmax用法的理解
目录 作用 一维 axis的值大于0 二维 axis=0 axis=1 三维 axis=0 axis=1 axis=2 作用 argmax()返回的就是最大数的索引 argmax()有一个参数axis ...
- python numpy中nonzero()的用法
nonzero函数返回非零元素的目录. 返回值为元组, 两个值分别为两个维度, 包含了相应维度上非零元素的目录值. import numpy as npA = np.mat([[0,1,2,3,4,3 ...
最新文章
- Android --- 调用MediaStore.Images.Media.insertImage保存图片时生成两张图片的问题
- kali安装vmtools不能拖拽(复制粘贴)文件解决方法
- JQuery系列(4) - AJAX方法
- (转)用 Maven 部署 war 包到远程 Tomcat 服务器
- 个性化联邦学习算法框架发布,赋能AI药物研发
- Spring Web MVC 的工作流程
- 高数特殊符号-希腊字母
- 前端工作汇报PPT技巧
- Python 之 类 (Tom猫)
- LoRa SX1278通信代码学习笔记
- validity属性
- 关于React报Too many re-renders. React limits the number of renders to prevent an infinite错误的解决方案
- 微信小程序实现押金管理(支付押金、申请退还押金、押金明细)
- iview学习帮助文档
- 宝塔免费ssl证书是什么
- 记一次CISSP备考过程,40天学习掌握8个域考试内容
- vc++6.0和visual studio 2005
- PID算法控制平衡小车速度
- //MySQL核心技术// 数据库的介绍、MySQL-5.5.15安装包以及详细安装教程、卸载注册表、MySQL服务的启动与停止、登录与退出
- oracle触发器insert