2. NumPy进阶(二)

2.1 Numpy数组操作

2.1.1 添加元素

numpy.append 函数在数组的末尾添加值。 追加操作会分配整个数组，并把原来的数组复制到新数组中
注意：

1. 插入的维度要保证所有数组的长度是相同的
2. 如果没有指定轴，数组会被扁平处理

• ndarray中 append使用方法

np.append(arr, 8) # 数组app使用方法 
""" 结果
array([1, 2, 3, 4, 5, 8])
"""
arr2 = np.random.randint(0, 10, size=(4,3))
arr2
""" 结果
array([[3, 8, 3],[1, 4, 8],[6, 9, 9],[5, 5, 2]])
"""np.append(arr2, [[1,2,3]], axis=0) # 添加一行
""" 结果
array([[3, 8, 3],[1, 4, 8],[6, 9, 9],[5, 5, 2],[1, 2, 3]])
"""data = np.ones(shape=(4,1))
display(data)
""" 结果
array([[1.],[1.],[1.],[1.]])
"""display(arr2)
"""
array([[3, 8, 3],[1, 4, 8],[6, 9, 9],[5, 5, 2]])
"""
np.append(arr2, data, axis=1) # 添加一列
"""
array([[3., 8., 3., 1.],[1., 4., 8., 1.],[6., 9., 9., 1.],[5., 5., 2., 1.]])
"""

2.1.2 插入元素

numpy.insert 函数在给定索引之前，沿给定轴在输入数组中插入值

如果未提供轴，则输入数组会被展开

2.1.3 删除元素

numpy.delete 函数返回从输入数组中删除指定子数组的新数组。

如果未提供轴参数，则输入数组将展开。

2.1.4 reshape

numpy.reshape 函数可以在不改变数据的条件下修改形状，格式如下： numpy.reshape(arr, newshape, order=‘C’)

- arr：要修改形状的数组
- newshape：整数或者整数数组，新的形状应当兼容原有形状
- order：'C' -- 按行，'F' -- 按列，'A' -- 原顺序，'k' -- 元素在内存中的出现顺序。

2.1.5. 数组迭代器

numpy.ndarray.flat
for循环与 flat 对比，有下例可见多维数组使用for繁琐，flat更为简洁

2.1.6. 数组扁平处理

numpy.ndarray.flatten() 返回一份展开的数组拷贝，对拷贝所做的修改不会影响原始数组

numpy.ravel() 展平的数组元素，返回一个展开的数组引用，修改会影响原始数组。

2.1.7. 数组翻转

numpy.transpose 对换数组的维度

2.2 数学函数

2.2.1 三角函数

np.sin(), np.cos(), np.tan()

接收的参数是弧度，不是角度

1.2.2. 舍入函数

numpy.around()

a: 数组
decimals: 舍入的小数位数。 默认值为0。 如果为负，整数将四舍五入到小数点左侧的位置

2.3. 算数函数

加减乘除: add()，subtract()，multiply() 和 divide()

numpy.power() 幂运算，可以做开方运算

numpy.mode() 求余运算

np.log() 自然底数的对数 np.log2(), np.log10()

2.4. Numpy 查找和排序

2.4.1. 查找索引

numpy.argmax() 和 numpy.argmin() 分别是查找最大值索引位置， 最小值索引位置

1.4.2. 条件查找

numpy.where(condition) 函数返回输入数组中满足给定条件的元素的索引, 返回索引位置

• condition 条件 条件表达式
  

2.4.3. 快速排序

np.sort()与ndarray.sort()都可以，但有区别：

np.sort()不改变输入
ndarray.sort()本地处理，不占用空间，但改变输入
numpy.sort() 函数返回输入数组的排序副本

1.4.4. 索引排序

numpy.argsort() 函数返回的是数组值从小到大的索引值。

1.4.5. 部分排序

np.partition(a,k)

有的时候我们不是对全部数据感兴趣，我们可能只对最小或最大的一部分感兴趣。

当k为正时，我们想要得到最小的k个数
当k为负时，我们想要得到最大的k个数