python高级应用与数据分析学习笔记 10
1、概念笔记
# ndarray的一元函数
# abs fabs 计算整数、浮点数、复数的绝对值，对于非复数，fabs更快
# sqrt 计算各个元素的平方根 相当于arr**0.5 要求arr的每个元素必须非负数
# square 计算各个元素的平方 相当于arr**2
# exp 计算各个元素的指数e的x次方
# log log10 log2 log1p 分别计算自然对数、底数为10、底数为2 以及log(1+x),要求arr中的每个元素必须为正
# sign 计算各个元素的正负号 1为正数 -1为负数 0
# ceil 计算各个元素的ceilling值 即大于等于该值的最小整数
# floor 计算各个元素的floor值，即小于等于该值的最大整数
# rint 各个元素的四舍五入到最接近的整数，保留dtype的类型
# modf 将数组中元素的小数位和整数位以两部分独立数组的形式返回
# isnan NaN(不是一个数字) 布尔类型数组
# isfinite isinf 有穷的(非inf 非NaN)np.NaN np.inf 无穷的 布尔类型数组
# cos cosh sin sinh tan tanh 普通以及双曲型三角函数
# arccos arccosh arcsin arcsinh arctan arctanh 反三角函数
# ndarray的二元函数
# mod 元素级的取模%
# dot 点积 矩阵积
# greater greater_equal less less_equal equal not_equal 元素级的比较运算，最终返回一个布尔型数组
# logical_and logical_or logical_xor
# power 对数组中的每个元素执行给定次数的指数值
# ndarray的聚合函数
# 聚合函数的对一组值进行操作，返回一个单一值作为结果的函数
# 常见的聚合函数有：平均值、最大值、最小值、方差等等
# arr.min() arr.max() arr.mean() arr.std() arr.sum()
# 方差公式：np.sqrt(np.power(arr-arr.mean(),2).sum()/arr.size)
# 二维数组的情况下，axis=0表示对同列的数据进行聚合
# axis=1 表示对同行的数据进行聚合
# arr.mean(axis=0)
2、三元函数的应用：将a b两数组对应元素中较大的那个返回出来
使用三元函数 : np.where函数
表达式是：x if condition else y
import numpy as np
a = np.array([[1, 6], [9, 10]])
b = np.array([[3, 5], [3, 7]])
print('a的值为：====================')
print(a)
print('b的值为：====================')
print(b)
c = a > b
print('c的值为：====================')
print(c)
print('a[c]的值为：====================')
print(a[c])
print('condition的值为：====================')
condition = a > b
print('np.where(condition, a, b)的值为：====================')
print(np.where(condition, a, b))
# a的值为：====================
# [[ 1 6]
# [ 9 10]]
# b的值为：====================
# [[3 5]
# [3 7]]
# c的值为：====================
# [[False True]
# [ True True]]
# a[c]的值为：====================
# [ 6 9 10]
# condition的值为：====================
# np.where(condition, a, b)的值为：====================
# [[ 3 6]
# [ 9 10]]
3、三元函数的应用：数据去重
import numpy as np
aa = np.random.randint(1, 10, (5, 5))
print('aa的值为：====================')
print(aa)
print('np.unique(aa)的值为：====================')
print(np.unique(aa))
# aa的值为：====================
# [[9 1 2 5 1]
# [1 1 6 5 2]
# [3 4 6 8 5]
# [7 5 8 6 3]
# [3 1 9 6 1]]
# np.unique(aa)的值为：====================
# [1 2 3 4 5 6 7 8 9]
