Python
Numpy知识总结
这里，我们说下对数组操作的常用函数
常用函数
我们先说下接收一个参数的一元函数，比如 np.sqrt 开方函数
a = np.arange(10)
np.sqrt(a)
Out[45]:
array([ 0. , 1. , 1.41421356, 1.73205081, 2. ,
2.23606798, 2.44948974, 2.64575131, 2.82842712, 3. ])
a**0.5
Out[46]:
array([ 0. , 1. , 1.41421356, 1.73205081, 2. ,
2.23606798, 2.44948974, 2.64575131, 2.82842712, 3. ])
常用的一元函数
常用一元函数
常用一元函数
还有些常用的二元函数，比如 add,subtract
a = np.array([1,2,3])
b = np.array([4,5,6])
a
Out[49]: array([1, 2, 3])
b
Out[50]: array([4, 5, 6])
np.add(a,b)
Out[51]: array([5, 7, 9])
np.subtract(a,b)
Out[52]: array([-3, -3, -3])
常用二元函数
np.where
np.where 是三元表达式 x if condition else y 的矢量化版本
numpy.where(condition[, x, y])
Return elements, either from x or y, depending on condition.
If only condition is given, return condition.nonzero().
我们根据condition的值，来确定是返回x的值，还是y的值
x = np.array([1.1,1.2,1.3,1.4,1.5])
y = np.array([2.1,2.2,2.3,2.4,2.5])
cond = np.array([True,False,True,True,False])
np.where(cond,x,y)
Out[56]: array([ 1.1, 2.2, 1.3, 1.4, 2.5])
np.where的第2个，第3个参数不一定是数组，也可以是标量值；
比如，有一个矩阵，我们想要将所有正值替换为2，负值替换为-2
a = np.random.randn(4,4)
a
Out[58]:
array([[-0.62737481, -0.69252389, 0.34290602, -0.54297339],
[ 0.57164788, -0.74841413, 1.02406934, 0.3089722 ],
[-0.46170713, 2.17671732, -0.51607955, -0.44006653],
[-0.13365017, 0.67350363, -0.51877754, -0.382468 ]])
np.where(a>0,2,-2)
Out[59]:
array([[-2, -2, 2, -2],
[ 2, -2, 2, 2],
[-2, 2, -2, -2],
[-2, 2, -2, -2]])
#负值的话，我们使用原来的值
np.where(a>0,2,a)
Out[60]:
array([[-0.62737481, -0.69252389, 2. , -0.54297339],
[ 2. , -0.74841413, 2. , 2. ],
[-0.46170713, 2. , -0.51607955, -0.44006653],
[-0.13365017, 2. , -0.51877754, -0.382468 ]])
数组统计方法
我们可以统计数组或某个轴上的数据进行统计计算
a = np.array([1,2,3])
a.sum()
Out[68]: 6
a.max()
Out[69]: 3
a.min()
Out[70]: 1
a.mean()
Out[71]: 2.0
numpy.sum(a, axis=None, dtype=None, out=None, keepdims=<class numpy._globals._NoValue at 0x40ba726c>)
这类聚合函数，可以接收一个axis参数，指定要聚合的轴
a = np.arange(15).reshape(3,5)
a
Out[74]:
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14]])
#在横轴上聚合
a.sum(axis=1)
Out[75]: array([10, 35, 60])
#在列上聚合
a.sum(axis=0)
Out[76]: array([15, 18, 21, 24, 27])
常用的统计函数
常用统计函数
常用统计函数
用于布尔数组的方法
对于布尔数组来说，执行上面的统计函数，会是将True转成1，False转成0
b = np.array([True,False,True,True])
b.sum()
Out[78]: 3
#b中有True
b.any()
Out[79]: True
#b中不都为True
b.all()
Out[80]: False
还有2个函数any和all，可以判断数组中是否存在一个或多个True
排序
我们可以对数组进行排序
ndarray.sort(axis=-1, kind='quicksort', order=None)
Sort an array, in-place.
a = np.random.randn(10)
a
Out[82]:
array([ 0.02418202, -1.86975588, 0.00273745, 0.22470742, 1.10362729,
0.75344308, -0.89005284, -0.94833805, 1.37111527, 1.22149417])
a.sort()
a
Out[84]:
array([-1.86975588, -0.94833805, -0.89005284, 0.00273745, 0.02418202,
0.22470742, 0.75344308, 1.10362729, 1.22149417, 1.37111527])
ndarray是就地排序，直接排序原数组；
np.sort则是返回一个排序后的数组
其他集合函数
比如unique，可以获取数组的唯一值
a = np.array([1,3,3,3,5,5,2,1])
a
Out[90]: array([1, 3, 3, 3, 5, 5, 2, 1])
np.unique(a)
Out[92]: array([1, 2, 3, 5])
集合运算
