@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 ...

Numpy中take的用法