Numpy库②

二、数组的索引和切片

1. 数组的索引

import numpy as np
arr=np.arange(10)
Out[ ]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

arr[3]
Out[ ]: 3

arr[-1]
Out[ ]: 9

arr[2]=123
arr
Out[ ]: array([  0,   1, 123,   3,   4,   5,   6,   7,   8,   9])

对于二维数组

arr=np.arange(15).reshape(3,5)
arr
Out[ ]: array([[ 0,  1,  2,  3,  4],
               [ 5,  6,  7,  8,  9],
               [10, 11, 12, 13, 14]])

arr[0][3]
Out[ ]: 3

arr[0,3]   #两种方法同价
Out[ ]: 3

2. 数组的切片

import numpy as np

arr = np.arange(12).reshape((3, 4))
Out[ ]: array([[ 0,  1,  2,  3],
               [ 4,  5,  6,  7],
               [ 8,  9, 10, 11]])
# 取第2行(取1:2行,在这些行取所有列),注意左闭右开
line2 = arr[1:2, :]
print(line2)
Out[ ]: [[4,5,6,7]]

# 取第2列(取所有行,在这些行取1:2列)
col2 = arr[:, 1:2]
print(col2)
Out[ ]: [[1]
         [5]
         [9]]

# 取1:3行中2:4列的数据
data = arr[1:3, 2:4]
print(data)
Out[ ]: [[ 6,7]
         [10,11]]

3. 布尔型索引

fruits=np.array(['apple','banna','pear','banana','pear','apple','pear'])
datas=np.random.randint(-1,1,size=(7,5))

fruits
Out[ ]: array(['apple', 'banna', 'pear', 'banana', 'pear', 'apple', 'pear'],dtype='<U6')

datas
Out[ ]: array([[ 0, -1, -1,  0,  0],
               [-1, -1,  0,  0,  0],
               [ 0,  0, -1,  0,  0],
               [-1,  0,  0,  0,  0],
               [ 0,  0, -1,  0,  0],
               [-1, -1,  0,  0, -1],
               [ 0, -1, -1, -1,  0]])  

datas[fruits=='pear']
Out[ ]: array([[ 0,  0, -1,  0,  0],
               [ 0,  0, -1,  0,  0],
               [ 0, -1, -1, -1,  0]])

同样适用于不等号(!=)、负号(-)、和(&)、或(|)

三、数组的运算

1. 数组和标量间的运算

arr=np.array([1,2,3])
arr*10
Out[ ]: array([10, 20, 30])

arr*arr
Out[ ]: array([1, 4, 9])

2. 通用函数

np.abs(arr)
np.add(arr1,arr2)

3. 条件逻辑运算

arr=np.random.randint(-2,2,size=(3,4))
Out[ ]: array([[ 1,  1,  1,  1],
               [-1,  1, -1,  1],
               [ 1, -2,  0,  0]])

new_arr=np.where(arr>0,1,-1)
Out[ ]: array([[ 1,  1,  1,  1],
               [-1,  1, -1,  1],
               [ 1, -1, -1, -1]])

4. 统计运算

arr.sum()
Out[ ]: 3

arr.mean()
Out[ ]: 0.25

arr.std()
Out[ ]: 1.0103629710818451

5. 布尔型运算

(arr >0).sum()
Out[ ]: 7

6. 排序

arr.sort() 
arr.sort(1)      

—————————————————————
以上内容均来自书籍或网络,为个人的学习笔记,如有侵权,请联系删帖。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 219,701评论 6 508
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,649评论 3 396
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 166,037评论 0 356
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,994评论 1 295
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 68,018评论 6 395
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,796评论 1 308
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,481评论 3 420
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,370评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,868评论 1 319
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 38,014评论 3 338
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,153评论 1 352
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,832评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,494评论 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 32,039评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,156评论 1 272
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,437评论 3 373
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 45,131评论 2 356