data=numpy.randn(8) 如何把data中小于0的数值赋值等于0
Posted
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了data=numpy.randn(8) 如何把data中小于0的数值赋值等于0相关的知识，希望对你有一定的参考价值。
参考技术A numpy.ndarray的字典 二维numpy.ndarray 别的DataFrame 结构化的记录(structured arrays) 其中 参考技术B 做个if else判断，int data=numpy.randn(8),if(data<0)data=0;本回答被提问者和网友采纳Numpy randn rand 及数组转换
import numpy as np
#生成（2,3）的矩阵：
#np.random.randn(d0,d1,d2……dn)
#当函数括号内没有参数时，则返回一个浮点数；
#当函数括号内有一个参数时，则返回秩为1的数组，不能表示向量和矩阵；
#当函数括号内有两个及以上参数时，则返回对应维度的数组，能表示向量或矩阵；
#np.random.standard_normal（）函数与np.random.randn()类似，
#但是np.random.standard_normal（）的输入参数为元组（tuple）.
#np.random.randn()的输入通常为整数，但是如果为浮点数，则会自动直接截断转换为整数。
arr1 = np.random.randn(2,3)
print(arr1)
‘‘‘[
[-1.2380651 0.75684318 1.62318391]
[ 1.20602351 1.40564368 1.02228324]
]‘‘‘
#np.random.rand(d0,d1,d2……dn)
#注：使用方法与np.random.randn()函数相同
#作用：
#通过本函数可以返回一个或一组服从“0~1”均匀分布的随机样本值。随机样本取值范围是[0,1)，不包括1。
#应用：在深度学习的Dropout正则化方法中，可以用于生成dropout随机向量（dl），
arr2 = np.random.rand(2,3)
print(arr2)
‘‘‘[
[0.15351293 0.15763324 0.3304003 ]
[0.40442807 0.83639993 0.08259571]
]‘‘‘
randn
[
[-1.2380651 0.75684318 1.62318391]
[ 1.20602351 1.40564368 1.02228324]
]
rand
[
[0.15351293 0.15763324 0.3304003 ]
[0.40442807 0.83639993 0.08259571]
]
#数组转矩阵
arr = [[34.3410796778,108.9411163330,4.340],[34.3409733729,108.9433050156,8.94]]
print(arr)
‘‘‘[
[34.3410796778, 108.941116333, 4.34],
[34.3409733729, 108.9433050156, 8.94]
]‘‘‘
arr_array=np.array(arr)
print(arr_array)
‘‘‘[
[ 34.34107968 108.94111633 4.34 ]
[ 34.34097337 108.94330502 8.94 ]
]‘‘‘
以上是关于data=numpy.randn(8) 如何把data中小于0的数值赋值等于0的主要内容，如果未能解决你的问题，请参考以下文章