• np一些基本操作2


    import numpy as np
    arr1 = np.arange(32).reshape(8,4)
    print(arr1)
    arr1 = arr1.reshape(-1);
    print(arr1)
    arr2 = np.logspace(1,8,8,base=2).reshape(8,1)
    print(arr2)
    ##数组广播的规律,要么两个维度相同,要么某一个维度为1
    ##矩阵积为dot A np的行乘以B np的列的和,所以行列要一致。
    arr3 = [[15930.2,244.2],
    [8111.87,148.87],
    [13722.46,221.1]]
    arr3 = np.array(arr3,float);
    print(arr3.dtype)
    ##利用切片取数组
    print(arr3[:,0])
    print("======================================")
    print(arr3[[0,2]])
    print("======================================")
    print(arr3[[0,2],[1,1]])
    print("======================================")
    ##取多行多列,使用np的索引器,np.ix_(m,n)
    print(arr3[np.ix_([0,2],[1])])
    ##数组转置
    arr3 = [[15930.2,244.2],
    [8111.87,148.87],
    [13722.46,221.1]]
    arr3 = np.array(arr3)
    print(arr3.T)
    xiaoming_score=np.array([100,60,50,65])
    #取不及格分数
    print(xiaoming_score >= 60)
    condition = xiaoming_score >= 60
    print(xiaoming_score[condition])#取出对应的数,多维同样适用,会降低到一维数据
    xiaoming_score2=np.array([[100,60,50,65],[20,30,40,50]])
    print(xiaoming_score2.transpose())#数组的转置和轴兑换
    ##数组的拉伸和合并 (如果reps参数只写一个数值为横向拉伸的倍数,如果使用[m,n] m为纵向 n为横向拉伸的倍数)
    print(np.tile(xiaoming_score2,[2,1]))
    print("===================================================")
    ##合并操作
    xiaoming_2_score = np.array([[90,90,90,90],[88,88,88,88]])
    print(np.stack([xiaoming_score2,xiaoming_2_score],axis=0))#沿着某一个轴合并 0是两块合并 1是拆快合并 2是拿对应个数合并
    print("===================================================")
    ##堆叠操作
    print(np.vstack([xiaoming_score2,xiaoming_2_score]))
    print(np.hstack([xiaoming_score2,xiaoming_2_score]))
    ##np 的函数操作
    print("===================================================")
    arry2 = np.random.randint(-10,10,[3,4])
    print(arry2)
    #绝对值
    print(np.fabs(arry2))
    print(np.sqrt(arry2))#开方
    print(np.square(arry2))#平方
    #exp #计算各个元素的指数e的x次方
    #log10 log2 log1p
    arr3 = np.arange(1,11)
    print(arr3)
    print(np.log2(arr3))#相当于2为底,求arr3每个元素的多少次方等于每个位置元素 eg:1=2^x log就是e为底
    #np.log1p 以1+x为真数e为底的对数
    #以5为底 可以利用换底公式
    arry4 = np.log2(arr3)/np.log2(5)
    print(arry4)
    #ceil 向上取整 floor 向下取整
    np.floor(arry4)
    print(np.floor(arry4))
    #四舍五入 np.rint
    #保留几位小数 np.around(arr4,decumals=2)
    #modf 把小数拆开成两个数组,返回小数位和整数位
    #判断元素是否是nan isnan 可以用布尔值索引取出数组中nan ~取反操作
    #np.isfinite 是否有穷数 isinf(inf 是无穷数)
    #mod
    arr6 = np.arange(10)
    print(arr6)
    print(np.mod(arr6,3))
    #dot 举证积操作

    ##eg:np.greater(arr5,arr6) less equal less_equal not_equal
    np.power(arr6,3)#几次方
    score = np.array([
    [80,90,87,56,77],
    [55,45,87,90,98],
    [100,12,100,89,77],
    [77,33,87,79,60]
    ])
    print(score)
    print(np.amax(score))#求成绩的最高分
    print(np.amax(score,axis=0))#竖向求最大
    print(np.amax(score,axis=1))#横向求最大
    print(np.mean(score,axis=1))#横向求平均分
    #方差和标准差
    #方差,np.mean(a-a.mean()**2)
    print(np.mean(np.square(score-np.mean(score))))
    print(np.var(score))
    ##再开方是标准差 std是直接求标准差
    random1 = np.random.randint(0,10,10)
    random2 = np.random.randint(0,10,10)
    print(random1)
    print(random2)
    cond = random1 > random2
    print([x if z else y for(x,y,z) in zip(random1,random2,cond)])#取较大数合并 多维对比合并用np.where(cond,random1,random2)
    #print(x,y,z)
    # np.unique 去除重复值
    arr10 = np.random.randint(0,5[5,5])
    print(arr10)
    np.unique(arr10)

  • 相关阅读:
    【转】常用插件的使用—grunt入门指南(上)
    基于Cordova的android项目入门
    【转】隐藏元素的子元素隐藏无效
    【转】IE7以下绝对定位被某元素遮挡
    关于“No projects are found to import”的解决方法
    【转】IE6中a标签触发图片和ajax请求被abort
    JS小笔记
    mysql删除重复数据
    国内优秀的团队技术博客
    mysql中的union和order by、limit
  • 原文地址:https://www.cnblogs.com/yaohaitao/p/10280125.html
走看看 - 开发者的网上家园