百度推广弄个网站头像要钱吗?,重庆设计院,c 手机网站开发,腾讯云新人服务器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#xff0c;即大于等于0.0#xff0c;小于1.0。d0, d1, …, dn#xff1a;返回的数组形状
# 使用numpy.random.rand函数
import numpy as np
np.random.r…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, highNone, sizeNone, 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llong
# 使用numpy.random.randint函数
np.random.randint(10, high20, 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 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, sizeNone)。
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, kindquicksort, orderNone)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quicksortmergesortheapsort默认是quicksortorder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, axis1)array([[0, 5, 8, 8],[3, 4, 5, 9],[2, 2, 4, 6]])# 只在0轴上排序
np.sort(a, axis0)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’, orderNone)
b np.random.randint(0, 10, size(3, 4))
barray([[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, axis1)array([[3, 2, 0, 1],[0, 1, 2, 3],[3, 0, 2, 1]], dtypeint64)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sumaminamaxmean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, axisNone)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(axisNone)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, axisNone)a np.random.randint(0, 10, size(3, 4))
print(a)
np.amax(a, axis1)[[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NaNNot a Number非数语法如下
numpy.nanmax(a, axisNone)b np.array([[np.nan, 1, 2, 3], [4, 5, 6, np.nan]])
np.nanmax(b, axis1)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(axisNone)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, axisNone)import numpy as np
a np.arange(0, 9)
b a.reshape(3, 3)
print(b: , b)
np.mean(b, axis1)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)4.08.3.5 加权平均值
numpy.average函数语法如下
numpy.average(a, axisNone, weightsNone)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, axis0, 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_indexFalse, axisNone)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])
aarray([[H, e, l, l, o],[w, o, r, l, d]], dtypeU1)# 不指定轴降低到一维整体去重
u np.unique(a)
uarray([H, d, e, l, o, r, w], dtypeU1)# 返回值的第一个是值第二个是索引
u, idx np.unique(a, return_indexTrue)# 返回的值数组
uarray([H, d, e, l, o, r, w], dtypeU1)# 返回的索引数组
idxarray([0, 9, 1, 2, 4, 7, 5], dtypeint64)# 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, axis0)
uarray([[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, axis1)
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, axis1)
uarray([[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yx和y可以是标量或数组。
a np.arange(5)
aarray([0, 1, 2, 3, 4])b np.where(a 3, a, a 100)
barray([ 0, 1, 2, 103, 104])
