numpy学习笔记（5），其他实用函数

8. 更多函数

8.1 随机数

8.1.1 常用随机数

8.1.1.1 numpy.random.rand(d0, d1, …, dn)
  • 返回[0.0, 1.0)随机浮点数，即大于等于0.0，小于1.0。
  • d0, d1, …, dn：返回的数组形状
# 使用numpy.random.rand函数
import numpy as np
np.random.rand(3)

array([0.8385857 , 0.8107416 , 0.99370002])

np.random.rand(3, 2)

array([[0.48333664, 0.78368701],[0.80706205, 0.3135694 ],[0.5942944 , 0.36877126]])
8.1.1.2 numpy.random.randint(low, high=None, size=None, dtype=‘1’)
  • 返回[low, high)随机整数，如果high省略则返回[0, low)随机整数
  • size：返回数组的形状
  • dtype：数组元素类型，l：long
# 使用numpy.random.randint函数
np.random.randint(10, high=20, size=(3, 4))

array([[12, 18, 14, 10],[19, 14, 11, 11],[13, 14, 14, 10]])

8.1.2 正态分布随机数

8.1.2.1 标准正态分布：numpy.random.randn(d0, d1, …, dn)。
  • 返回标准正态分布对技术，参数与rand函数相同

在这里插入图片描述

np.random.randn(3, 2)

array([[-0.80338048, -0.29042362],[-0.76188074, -0.01707931],[ 0.26754266, -0.99031277]])
8.1.2.2 正态分布：numpy.random.normal(loc = 0.0, scale = 1.0, size=None)。
  • 返回正态分布随机数
  • loc：平均值
  • scale：标准差
np.random.normal(1024, 30, size=(3, 4))

array([[ 978.98804509, 1024.68441494, 1078.41620308, 1005.00643101],[1008.94025792, 1005.52545803, 1009.09307745, 1027.56131116],[1023.88789661,  988.79911263, 1012.40717316, 1074.79730252]])

8.2 排序函数

8.2.1 轴排序

sort函数，按照轴对数组进行排序，语法格式如下：

numpy.sort(a, axis=-1, kind='quicksort', order=None)
  • a：要排序的数组
  • axis：排序的轴索引，默认是-1，表示最后一个轴
  • kind：排序类型，可选则quicksort，mergesort，heapsort，默认是quicksort
  • order：排序的字段，自定义对象里可用到
a = np.random.randint(0, 10, size=(3, 4))
# 只在1轴上排序
np.sort(a, axis=1)

array([[0, 5, 8, 8],[3, 4, 5, 9],[2, 2, 4, 6]])

# 只在0轴上排序
np.sort(a, axis=0)

array([[2, 0, 5, 3],[5, 2, 6, 4],[8, 4, 9, 8]])

8.2.2 轴排序索引

argsort函数，按照轴对数组进行排序索引，语法格式如下：
numpy.argsort(a, axis=-1, kind=‘quicksort’, order=None)

b = np.random.randint(0, 10, size=(3, 4))
b

array([[9, 9, 8, 6],[2, 3, 4, 6],[1, 4, 2, 0]])

# 排序返回结果是原数组的索引组合
np.argsort(b, axis=1)

array([[3, 2, 0, 1],[0, 1, 2, 3],[3, 0, 2, 1]], dtype=int64)

8.3 聚合函数

可以对整个数组元素，或对轴元素进行计算，获取单一值。
如：sum，amin，amax，mean（平均值），average（加权平均值），var（方差），std（标准偏差）等。

聚合函数都会倒置结果数组降低维度

8.3.1 求和

可以使用numpy.sum函数，或numpy.ndarray.sum方法

8.3.1.1 numpy.sum函数，语法如下
numpy.sum(a, axis=None)
  • a：要求和的数组
  • axis：指定轴索引，如果axis没有指定，则求所有元素之和，如果指定，则求该轴上的所有元素之和。
a = np.random.randint(0, 10, size=(3, 4))
print(a)
np.sum(a, 1)

[[3 3 2 6][5 1 0 4][2 6 8 7]]array([14, 10, 23])
8.3.1.2 numpy.ndarray.sum方法，语法格式如下：
numpy.ndarray.sum(axis=None)

a.sum(1)

array([14, 10, 23])

b = np.arange(0, 27)
b_3 = b.reshape(3, 3, 3)
print(b_3)
# 沿轴计算后的结果，会降低一个维度
print("结果会降低一个维度：", np.sum(b_3, 2))
[[[ 0  1  2][ 3  4  5][ 6  7  8]][[ 9 10 11][12 13 14][15 16 17]][[18 19 20][21 22 23][24 25 26]]]
结果会降低一个维度： [[ 3 12 21][30 39 48][57 66 75]]

8.3.2 最大值

求最大值可以使用numpy.amax函数，numpy.nanmax函数，或数组的ndarray.max方法

8.3.2.1 numpy.amax函数语法如下：
numpy.amax(a, axis=None)

a = np.random.randint(0, 10, size=(3, 4))
print(a)
np.amax(a, axis=1)

[[9 1 1 3][5 1 8 2][9 4 9 9]]array([9, 8, 9])
8.3.2.2 numpy.nanmax函数，忽略NaN（Not a Number，非数），语法如下：
numpy.nanmax(a, axis=None)

b = np.array([[np.nan, 1, 2, 3], [4, 5, 6, np.nan]])
np.nanmax(b, axis=1)

array([3., 6.])
8.3.2.3 ndarray.max方法，类似于语法numpy.amax函数，语法如下：
numpy.ndarray.max(axis=None)

8.3.3 最小值

与8.3.2 最大值用法类似

8.3.4 mean，平均值函数

numpy.mean函数，numpy.nanmean函数，或者ndarray.mean方法都可以求平均值。

8.3.4.1 numpy.mean函数语法如下：
numpy.mean(a, axis=None)

import numpy as np
a = np.arange(0, 9)
b = a.reshape(3, 3)
print("b: ", b)
np.mean(b, axis=1)

b:  [[0 1 2][3 4 5][6 7 8]]array([1., 4., 7.])

# 不指定轴，计算所有元素的平均值，结果是个标量
np.mean(b)

4.0

8.3.5 加权平均值

numpy.average函数，语法如下：

numpy.average(a, axis=None, weights=None)
  • a：数组
  • axis：指定轴
  • weight：权重，一维数组
a = np.arange(0, 10)
b = a.reshape(2, 5)
print("b: ", b)
c = np.average(b, axis=0, weights=[0.3, 0.7])
print("c", c)

b:  [[0 1 2 3 4][5 6 7 8 9]]
c [3.5 4.5 5.5 6.5 7.5]

8.4 unique函数

去除数组中的重复元素，并按照从小到大的顺序排列，语法格式如下：

numpy.unique(a, return_index=False, axis=None)
  • a：原始数组
  • return_index：设置为True，返回原始数组中的索引数组
  • axis：指定轴。如果没有指定，多维数组会降低到一维平铺。
H = [x for x in 'Hello']
W = [y for y in 'world']
print("H: ", H, "\nW: ", W)

H:  ['H', 'e', 'l', 'l', 'o'] 
W:  ['w', 'o', 'r', 'l', 'd']

# 创建二维数组
a = np.array([H, W])
a

array([['H', 'e', 'l', 'l', 'o'],['w', 'o', 'r', 'l', 'd']], dtype='<U1')

# 不指定轴，降低到一维，整体去重
u = np.unique(a)
u

array(['H', 'd', 'e', 'l', 'o', 'r', 'w'], dtype='<U1')

# 返回值的第一个是值，第二个是索引
u, idx = np.unique(a, return_index=True)

# 返回的值数组
u

array(['H', 'd', 'e', 'l', 'o', 'r', 'w'], dtype='<U1')

# 返回的索引数组
idx

array([0, 9, 1, 2, 4, 7, 5], dtype=int64)

# 指定轴
a = np.array([[1, 0, 0], [1, 0, 0], [2, 1, 4]])
print(a)

[[1 0 0][1 0 0][2 1 4]]

# 指定0轴，再0轴上去重
u = np.unique(a, axis=0)
u

array([[1, 0, 0],[2, 1, 4]])

# 指定1轴，再1轴上去重，看起来没有效果
u = np.unique(a, axis=1)
u
# 因为1轴上每一个数组去重后，元素数量产生变化

array([[0, 0, 1],[0, 0, 1],[1, 4, 2]])

# 重新修改初始数组，在一轴上去重
b = np.array([[1, 0, 0], [1, 0, 0], [1, 1, 1]])
print(b)

[[1 0 0][1 0 0][1 1 1]]

u = np.unique(b, axis=1)
u

array([[0, 1],[0, 1],[1, 1]])

8.5 where函数

where相当于三元运算符，语法格式如下：

numpy.where(condition[, x, y])
  • condition：条件，如果为True返回x，为False返回y
  • x和y可以是标量，或数组。
a = np.arange(5)
a

array([0, 1, 2, 3, 4])

b = np.where(a < 3, a, a + 100)
b

array([  0,   1,   2, 103, 104])

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/815433.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

每日一题：无重复字符的最长子串

每日一题：无重复字符的最长子串

给定一个字符串 s &#xff0c;请你找出其中不含有重复字符的 最长子串的长度。 示例 1: 输入: s "abcabcbb" 输出: 3 解释: 因为无重复字符的最长子串是"abc"&#xff0c;所以其长度为 3。示例 2: 输入: s "bbbbb" 输出: 1 解释: 因为无重…
阅读更多...
2009-2021年上市公司僵尸企业识别数据（含原始数据+计算代码+计算结果）

2009-2021年上市公司僵尸企业识别数据（含原始数据+计算代码+计算结果）

2009-2021年上市公司僵尸企业识别数据&#xff08;含原始数据计算代码计算结果&#xff09; 1、时间&#xff1a;2009-2021年 2、指标&#xff1a; 证券代码 、证券简称、上市日期、year、净利润、政府补助、流动负债合计、负债合计、财务费用明细利息支出、资产总计、长期负…
阅读更多...
（Oracle）SQL优化案例：隐式转换优化

（Oracle）SQL优化案例：隐式转换优化

项目场景 项目现场的某个kettle模型执行非常缓慢&#xff0c;原因在于某个SQL执行效率非常的低。甲方得知此事要求公司赶紧优化&#xff0c;负责该模块的同事对SQL优化并不熟悉。所以作为一个立志成为优秀DBA的ETL工程师&#xff0c;我自告奋勇&#xff1a;不是DBA&#xff0c;…
阅读更多...
ES6 关于Class类的继承 extends（2024-04-10）

ES6 关于Class类的继承 extends（2024-04-10）

1、简介 类Class 可以通过extends关键字实现继承&#xff0c;让子类继承父类的属性和方法。extends 的写法比 ES5 的原型链继承&#xff0c;要清晰和方便很多。 class Foo {constructor(x, y) {this.x x;this.y y;console.log(父类构造函数)}toString() {return ( this.x …
阅读更多...
《由浅入深学习SAP财务》：第2章 总账模块 - 2.7 总账模块报表 -2.7.1 对外报表：资产负债表及利润表

《由浅入深学习SAP财务》：第2章 总账模块 - 2.7 总账模块报表 -2.7.1 对外报表：资产负债表及利润表

总账模块报表既包括对外报告的资产负债表、损益表、现金流量表&#xff0c;也包括企业自身用于查询和分析的各类报表&#xff0c;如科目余额表等。 2.7.1 对外报表&#xff1a;资产负债表及利润表 在SAP中&#xff0c;出具资产负债表和利润表的标准方法是先在后台建立一套“会…
阅读更多...
971: 统计利用先序遍历创建的二叉树的深度

971: 统计利用先序遍历创建的二叉树的深度

解法&#xff1a; 1.先序遍历创建二叉树链表形式 2.求二叉树的深度 用后序遍历实现&#xff1a; 1.后序遍历求节点A左右子树高度 2.对节点A&#xff1a; 1.取左右子树较大高度 2.返回高度1&#xff08;即以节点A为根节点的子树的最大深度&#xff09; 例如 #include <ios…
阅读更多...
LINUX命令行后台运行matlab程序

LINUX命令行后台运行matlab程序

UBUNTU安装了matlab&#xff0c;需要后台运行matlab程序。 一、MobaXterm程序&#xff08;非后台&#xff09; 使用mobaxterm程序&#xff0c;ssh连接ubuntu&#xff0c;在对应账号中输入matlab&#xff0c;即可基于mobaxterm自带的Xserver可视化界面&#xff0c;打开matlab界…
阅读更多...
RobotFramework功能自动化测试框架基础篇

RobotFramework功能自动化测试框架基础篇

概念 RobotFramework是什么&#xff1f; Robot Framework是一款python编写的功能自动化测试框架。具备良好的可扩展性&#xff0c;支持关键字驱动&#xff0c;可以同时测试多种类型的客户端或者接口&#xff0c;可以进行分布式测试执行。主要用于轮次很多的验收测试和验收测试…
阅读更多...
网页的基本结构

网页的基本结构

VScode中HTML的自动补全&#xff1a; 自动补全&#xff1a;例如标签 <h1></h1> 1.输入<h1>后其会自动给其补全 2. 进输入h1 tab键 网页的基本结构&#xff1a; 网页的基本结构只需要在VScode当中输入&#xff1a;&#xff01; tab键即可 <!DOCTYPE html…
阅读更多...
ARM v8 Cortex R52内核 08 内存保护单元 Memory Protection Unit

ARM v8 Cortex R52内核 08 内存保护单元 Memory Protection Unit

ARM v8 Cortex R52内核 08 内存保护单元 Memory Protection Unit 8.1 About the MPU Cortex R52 处理器具有两个可编程的MPU&#xff0c;由EL1和EL2控制。每个MPU允许将4GB内存地址划分为多个区域。 每个内存区域由基地址、限制地址、访问权限和内存属性定义。 对于数据访问…
阅读更多...
阿里对象储存OSS的SDK使用

阿里对象储存OSS的SDK使用

对象存储OSS 该功能的实现使用了阿里的&#xff1a;对象存储OSS技术。 在阿里对象存储空间的文件可以 以链接 的形式进行访问: 文件访问路径规则 &#xff1a;https://BucketName.Endpoint/ObjectName 该技术的使用方式有很多&#xff0c;针对于SDK的简单实现官网上也有教程…
阅读更多...
【网络编程】高性能并发服务器源码剖析

【网络编程】高性能并发服务器源码剖析

hello &#xff01;大家好呀&#xff01; 欢迎大家来到我的网络编程系列之洪水网络攻击&#xff0c;在这篇文章中&#xff0c;你将会学习到在网络编程中如何搭建一个高性能的并发服务器&#xff0c;并且我会给出源码进行剖析&#xff0c;以及手绘UML图来帮助大家来理解&#xf…
阅读更多...
教你将配置好的conda环境迁移到其它设备

教你将配置好的conda环境迁移到其它设备

文章目录 问题分析存在的方法环境要求方法步骤1. 下载conda pack2. 打包原环境3. 新设备还原环境4. 查看环境 问题分析 好不容易配置好的conda环境&#xff0c;要在另一个设备上运行&#xff0c;还要重新配置&#xff0c;好麻烦。 存在的方法 pip install -r requirement.txt …
阅读更多...
Node.js留言板（超详细注释）

Node.js留言板（超详细注释）

目录结构如下 app.js // 一.引入模块 var http require(http);// 用于创建 HTTP 服务器和处理 HTTP 请求 var fs require(fs);// 用于读取和写入文件 var url require(url);// 用于解析URL// 创建留言数据对象 var msgs [{ name: 牛二, content: "我是妞儿", cr…
阅读更多...
场景：数据库死锁

场景：数据库死锁

来自hollis八股文 流程图 前置知识 数据库上锁锁住的不是行&#xff0c;而是索引的主键 比如我对id 1的主键进行上锁&#xff0c;实际上是对查询使用的主键的key 1 进行上锁 对非聚簇索引操作时&#xff0c;首先会对非聚簇索引上锁&#xff0c;然后在请求主键的锁 比如我…
阅读更多...
为什么开关电源变压器的耦合不可能为100%？什么是漏感？

为什么开关电源变压器的耦合不可能为100%？什么是漏感？

一、为什么开关电源变压器的耦合不可能为100%&#xff1f; 变压器耦合度是指变压器初级绕组和次级绕组之间能量传递的效率&#xff0c;它反映了变压器在电磁感应过程中&#xff0c;初级侧磁通量能够有多少比例被次级侧有效利用。理论上&#xff0c;理想的变压器耦合度应该是10…
阅读更多...
08 Php学习：if语句、Switch语句

08 Php学习：if语句、Switch语句

PHP 条件语句 当您编写代码时&#xff0c;您常常需要为不同的判断执行不同的动作。您可以在代码中使用条件语句来完成此任务。 在 PHP 中&#xff0c;提供了下列条件语句&#xff1a; if 语句 - 在条件成立时执行代码 if…else 语句 - 在条件成立时执行一块代码&#xff0c;…
阅读更多...
Java实现短信发送并校验，华为云短信配合Redis实现发送与校验

Java实现短信发送并校验，华为云短信配合Redis实现发送与校验

Java实现短信发送并校验&#xff0c;华为云短信配合Redis实现发送与校验 安装sms4j和redis <dependency><groupId>org.dromara.sms4j</groupId><artifactId>sms4j-spring-boot-starter</artifactId><version>3.2.1</version> <…
阅读更多...
WPS基础使用

WPS基础使用

个人笔记&#xff08;整理不易&#xff0c;有帮助&#xff0c;收藏点赞评论&#xff0c;爱你们&#xff01;&#xff01;&#xff01;你的支持是我写作的动力&#xff09; 笔记目录&#xff1a;学习笔记目录_pytest和unittest、airtest_weixin_42717928的博客-CSDN博客 个人随笔…
阅读更多...
单路高清HDMI编码器JR-3211HD

单路高清HDMI编码器JR-3211HD

产品简介&#xff1a; JR-3211HD单路高清HDMI编码器是专业的高清音视频编码产品&#xff0c;该产品具有支持1路高清HDMI音视频采集功能&#xff0c; 1路3.5MM独立外接音频输入&#xff0c;编码输出双码流H.264格式&#xff0c;音频MP3/AAC格式。编码码率可调&#xff0c;画面质…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023