Python&机器学习总结

① numpy中np.c_和np.r_

np.r_是按列连接两个矩阵，就是把两矩阵上下相加，要求列数相等，类似于pandas中的concat()。

np.c_是按行连接两个矩阵，就是把两矩阵左右相加，要求行数相等，类似于pandas中的merge()。

下面看一个例子：

import numpy as np
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
c = np.c_[a,b]

print(np.r_[a,b])
print(c)
print(np.c_[c,a])

输出结果：

1 [1 2 3 4 5 6]
2 
3 [[1 4]
4  [2 5]
5  [3 6]]
6 
7 [[1 4 1]
8  [2 5 2]
9  [3 6 3]]

注意：在numpy中，一个列表虽然是横着表示的，但它是列向量。

②numpy.random.randn()  以及类似函数

numpy.random.rand(d0,d1,…,dn)——and函数根据给定维度生成[0,1)之间的数据，包含0，不包含1，例如：

 np.random.rand(4,2) 

输出：

 array([[ 0.02173903,  0.44376568]，

　　　[ 0.25309942,  0.85259262]，

　　　[ 0.56465709,  0.95135013]，

　　　[ 0.14145746,  0.55389458]])

Python&机器学习总结

原文：https://www.cnblogs.com/LOW-ctfer/p/10480423.html