3.2 where函数
import numpy as np arr1 = np.array([9, 7, 9, 9, 6]) arr2 = np.array([2, 1, 2, 0, 6]) cnt = np.array([False, False, True, False, True]) # 根据条件进行筛选 display(np.where(cnt,arr1,arr2)) # True选择arr1，False选择arr2的值 arr3 = np.random.randint(0, 30, 20) display(arr3) # 如果 arr3 的元素值小于15就输出，否则输出-15 display(np.where(arr3 < 15, arr3, -15))
3.3排序方法
🚩NumPy中还提供了排序方法，排序方法是就地排序，即直接改变原数组：
arr.sort()、np.sort()、arr.argsort()
import numpy as np arr = np.array([14, 9, 13, 13, 18, 18, 18, 7, 5, 11]) # 直接让原数组从小到大进行排序 arr.sort() display(arr) # 返回深拷贝排序结果 np.sort(arr) arr = np.array([14, 9, 13, 13, 18, 18, 18, 7, 5, 11]) display(arr) # 返回从小到大排序的索引 display(arr.argsort())
3.4 集合运算函数
A = np.array([6, 8, 9, 1, 4]) B = np.array([3, 6, 5, 7, 1]) # 计算交集 display(np.intersect1d(A, B)) # 计算并集 display(np.union1d(A, B)) # 计算差集 display(np.setdiff1d(A, B))
3.5数学和统计函数
🚩我们挑几个常用的函数进行代码演示，剩余的函数有兴趣的读者可以自行查阅用法自己演示。min、max、mean、median、sum、std、var、cumsum、cumprod、argmin、argmax、argwhere、cov、corrcoef
import numpy as np arr1 = np.array([5, 90, 87, 35, 23, 6, 39, 39, 99, 79, 72, 94, 97, 13, 84]) # 计算数组中的最小值 display(arr1.min()) # 计算数组中的最大值的索引 display(arr1.argmax()) # 返回大于40的元素的索引 display(np.argwhere(arr1 > 40)) # 计算数组的累加和 display(np.cumsum(arr1)) arr2 = np.random.randint(0, 10,size = (4, 5)) display(arr2) # 计算列的平均值 display(arr2.mean(axis = 0)) # 计算行的平均值 display(arr2.mean(axis = 1)) # 协方差矩阵 display(np.cov(arr2, rowvar = True)) # 相关性系数 display(np.corrcoef(arr2, rowvar = True))
4.矩阵运算
4.1 矩阵的乘法
#矩阵的乘积(点乘) A = np.array([[2, 1, 7], [6, 3, 4]]) # shape(2, 3) B = np.array([[4, 3], [0, 9], [-5, -8]]) # shape(3, 2) # 第一种方法 display(np.dot(A,B)) # 第二种方法 display(A @ B) # 符号 @ 表示矩阵乘积运算 # 第三种方法 display(A.dot(B))
4.2 矩阵的其他运算
np.set_printoptions(suppress = True) # 不使用科学计数法 from numpy.linalg import inv,det,eig,qr,svd A = np.array([[1, 2, 3], [2, 3, 1], [3, 2, 1]]) # shape(3, 3) # 求逆矩阵 B = inv(A) # B 就是 A 的逆矩阵 display(B) display(A.dot(B)) # 求矩阵的行列式 display(det(A))
5.训练场
5.1 给定一个4维矩阵，如何得到最后两维的和？（提示，指定axis进行计算）
import numpy as np arr = np.random.randint(0, 10, size = (2, 3, 4, 5)) display(arr) display(arr.sum(axis = 0)) # 第0维的数据进行加和 display(arr.sum(axis = 1)) # 第1维的数据进行加和 display(arr.sum(axis = -1)) # 最后一维的数据进行加和 # 最后两维的和 # 写法一： display(arr.sum(axis = (-1, -2))) # 写法二： display(arr.sum(axis = (2, 3)))
5.2 给定数组[1, 2, 3, 4, 5]，如何得到在这个数组的每个元素之间插入3个0后的新数组？
import numpy as np arr1 = np.arange(1, 6) display(arr1) # 每个元素之间插入3个0，共插入3*4=12个0 # 再加上初始的5个值，共需要17个位置 # 创建一个长度为17的全部是0的数组 arr2 = np.zeros(shape = 17, dtype = np.int16) display(arr2) # 有间隔的，每4个取一个，取出数据并进行替换 arr2[::4] = arr1 display(arr2)
5.3 给定一个二维矩阵（5行4列），如何交换其中两行的元素（提示：任意调整，花式索引）？
import numpy as np arr = np.random.randint(0, 100, size = (5, 4)) display(arr) # 使用花式索引进行交换 arr = arr[[0, 2, 1, 3, 4]] display(arr)
