Numpy 高级（三）

xuanyun 2022-08-26 系统/运维 132 0 百度已收录

ECS 云服务器 SWAS 轻量应用服务器 RDS 云数据库 Redis 云数据库 CDN 内容分发 OSS 对象存储 SLB 负载均衡 NAT 网关 DNS 云解析 MAIL 企业邮箱 WAF 应用防火墙 DDoS 高防 SMS 短信包 MK 云市场 XIN 心选 IM 商标注册 JZ 自营建站

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))

Numpy 高级（三）

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())

Numpy 高级（三）

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))

Numpy 高级（三）

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))

Numpy 高级（三）

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))

Numpy 高级（三）

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)))

Numpy 高级（三）

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)

Numpy 高级（三）

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)

Numpy 高级（三）