三、ndarray的基本操作下部
5.切分
1. 与级联类似，三个函数完成切分工作：
np.split(arr, 行／列号 ，轴):参数2是一个列表类型
np.vsplit 行切分
np.hsplit 列切分
示例：
创建一个二维数组
np.random.seed(10)
num_arr = np.random.randint(60,100,size=(5,6))
num_arr
结果：
array([[69, 96, 75, 60, 88, 85],
[89, 89, 68, 69, 60, 96],
[76, 96, 71, 84, 93, 68],
[96, 74, 73, 65, 73, 85],
[73, 88, 82, 90, 90, 85]])
根据索引去切片，0 表示行着切，1表示竖着切，[2,3]表示在索引为2和索引为3的时候个切一次
行着切：
np.split(num_arr,[2,3],axis=0)
结果：
[array([[69, 96, 75, 60, 88, 85],
[89, 89, 68, 69, 60, 96]]),
array([[76, 96, 71, 84, 93, 68]]),
array([[96, 74, 73, 65, 73, 85],
[73, 88, 82, 90, 90, 85]])]
竖着切：
np.split(num_arr,[1,3],axis=1)
结果：
[array([[69],
[89],
[76],
[96],
[73]]), array([[96, 75],
[89, 68],
[96, 71],
[74, 73],
[88, 82]]), array([[60, 88, 85],
[69, 60, 96],
[84, 93, 68],
[65, 73, 85],
[90, 90, 85]])]
2.切分照片
导入一张照片
# 导入matplotlib.pyplot，并起别名为plt
import matplotlib.pyplot as plt
img_arr = plt.imread('./cat.jpg')
plt.imshow(img_arr)
结果：
2.1 行切分
# axis为0的时候，表示行切分
imgs = np.split(img_arr,[50,350],axis=0)
plt.imshow(imgs[1])
结果：
2.2 列切分
imgs = np.split(img_arr,[100,600],axis=1)
plt.imshow(imgs[1])
结果：
6.副本
所有赋值运算不会为ndarray的任何元素创建副本。对赋值后的对象的操作也对原来的对象生效。
可使用copy()函数创建副本
arr = np.array([1,2,3,4,5,6])
arr1 = arr.copy()
四、ndarray的聚合操作
1. 求和np.sum()
2. 最大最小值：np.max() / np.min()
3.平均值：np.mean()
创建一个二维数组
np.random.seed(10)
arr = np.random.randint(1,50,size=(3,4))
arr
求和
arr.sum()
最大值
arr.max()
最小值
arr.min()
平均值
arr.mean()
4.其他聚合操作
Function Name NaN-safe Version Description
np.sum np.nansum Compute sum of elements
np.prod np.nanprod Compute product of elements
np.mean np.nanmean Compute mean of elements
np.std np.nanstd Compute standard deviation
np.var np.nanvar Compute variance
np.min np.nanmin Find minimum value
np.max np.nanmax Find maximum value
np.argmin np.nanargmin Find index of minimum value
np.argmax np.nanargmax Find index of maximum value
np.median np.nanmedian Compute median of elements
np.percentile np.nanpercentile Compute rank-based statistics of elements
np.any N/A Evaluate whether any elements are true
np.all N/A Evaluate whether all elements are true
np.power 幂运算
五、广播机制
【重要】ndarray广播机制的三条规则:缺失维度的数组将维度补充为进行运算的数组的维度。
缺失的数组元素使用已有元素进行补充。
- 规则一：为缺失的维度补1(进行运算的两个数组之间的维度只能相差一个维度)
- 规则二：缺失元素用已有值填充
- 规则三：缺失维度的数组只能有一行或者一列
示例1:
示例二：
示例三
六、ndarray的排序
1. 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
示例：
2.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m想要得到最大的k个数
示例：
