10 numpy 聚合函数 - where,unique

=== np.where函数 ===

np.where( 判断条件[布尔类型数组],True使用的值,False使用的值 )

例1:两组数据,取对应位置较大的值

arr1 = np.array([1,2,3,4])
arr2 = np.array([3,1,4,2])
np.where((arr1>arr2),arr1,arr2)

array([3, 2, 4, 4])

例2:将nan值替换成0

data = np.array([np.nan,1.1,1.2,np.nan]) 
print(data)
np.where(np.isnan(data),0.,data)

[ nan 1.1 1.2 nan]
[ 0. , 1.1, 1.2, 0. ]

=== np.unique函数 ===

去重操作

arr = np.random.randint(0,10,100).reshape(10,-1)
print(arr)
print('-'*25)
print(np.unique(arr))
print('-'*25)
print(np.unique(arr,axis=0))
print('-'*25)
print(np.unique(arr,axis=1))

原方阵

[[6 9 3 4 5 8 5 8 0 1]
 [6 7 4 1 1 8 7 3 4 7]
 [1 0 6 3 3 7 5 4 4 3]
 [5 7 6 1 9 7 2 0 6 8]
 [4 9 5 7 1 0 9 4 5 9]
 [2 8 1 0 7 5 9 7 0 0]
 [1 8 9 2 4 5 9 8 3 4]
 [0 8 6 5 4 1 0 7 3 1]
 [7 3 4 8 9 2 1 1 7 2]
 [9 6 4 1 8 8 9 6 2 3]]
-------------------------

对所有元素进行去重

[0 1 2 3 4 5 6 7 8 9]
-------------------------

竖向去重 axis=0 横向去重 axis=1
结果都和原来一样,原因在于去重的对象是方阵
只有所有列的元素都相同,才能对行进行去重

[[0 8 6 5 4 1 0 7 3 1]
 [1 0 6 3 3 7 5 4 4 3]
 [1 8 9 2 4 5 9 8 3 4]
 [2 8 1 0 7 5 9 7 0 0]
 [4 9 5 7 1 0 9 4 5 9]
 [5 7 6 1 9 7 2 0 6 8]
 [6 7 4 1 1 8 7 3 4 7]
 [6 9 3 4 5 8 5 8 0 1]
 [7 3 4 8 9 2 1 1 7 2]
 [9 6 4 1 8 8 9 6 2 3]]
-------------------------
[[0 1 3 4 5 5 6 8 8 9]
 [4 7 4 1 1 7 6 3 8 7]
 [4 3 6 3 3 5 1 4 7 0]
 [6 8 6 1 9 2 5 0 7 7]
 [5 9 5 7 1 9 4 4 0 9]
 [0 0 1 0 7 9 2 7 5 8]
 [3 4 9 2 4 9 1 8 5 8]
 [3 1 6 5 4 0 0 7 1 8]
 [7 2 4 8 9 1 7 1 2 3]
 [2 3 4 1 8 9 9 6 8 6]]
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 204,445评论 6 478
  • 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 85,889评论 2 381
  • 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 151,047评论 0 337
  • 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 54,760评论 1 276
  • 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 63,745评论 5 367
  • 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 48,638评论 1 281
  • 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 38,011评论 3 398
  • 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 36,669评论 0 258
  • 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 40,923评论 1 299
  • 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 35,655评论 2 321
  • 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 37,740评论 1 330
  • 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 33,406评论 4 320
  • 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 38,995评论 3 307
  • 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 29,961评论 0 19
  • 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 31,197评论 1 260
  • 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 45,023评论 2 350
  • 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 42,483评论 2 342

推荐阅读更多精彩内容