numpy03:numpy广播机制，花式索引取值，统计方法，数组的拆分与合并，线性 ...

numpy广播机制

1. import numpy as np
3. arr1 = np.arange(24).reshape(4, 6)
4. print(arr1)
6. print(arr1 + 2)  # 数组中的每一个元素都会进行运算
8. arr2 = np.arange(100,124).reshape(4,6)
9. print(arr2)
11. # 两个数组相加  --》形状相同，数组索引对应的元素会进行相加
12. print(arr1 + arr2)
14. # 一维数组  --》形状不同，行也不同，列相同
15. arr3 = np.arange(0,6)
16. print(arr3)
17. print(arr2-arr3)
19. # 行相同，列不同
20. arr4 = np.arange(0,4).reshape(4,1)
21. print(arr4)
22. print(arr2-arr4)
23. # 当两个数组行或者列不相同的时候（必须要有一个相同），就会出现广播机制运算
24. # 进行拆分，如果是行相同，就逐行运算，如果是列相同，就逐列运算

复制代码

花式索引取值

1. import numpy as np
3. # 一维数组
4. arr1 = np.random.random(12)
5. print(arr1)
7. # 目标是一维数组，索引的结果就是对应的元素
8. index1 = np.array([0, 7, 9])
9. print(arr1[index1])
11. # 二维数组
12. index2 = np.array([[2,4,6],
13.           [7,9,0]],dtype=np.int32)
14. print(index2)
15. print(arr1[index2])
16. # 根据index2中的每一个元素，去获取到arr1中的相应的数据，但是不改变维度（2行3列的二维数组）

复制代码

统计方法

1. import numpy as np
3. # 3行4列的二维数组
4. arr1 = np.arange(11,23).reshape(3,4)
5. print(arr1)
7. # 最大值
8. print(arr1.max())  # 方法1：直接对象点上方法
9. print(np.max(arr1))  # 方法2：numpy点上方法，里面传入数组对象
11. # 最小值
12. print(arr1.min())
14. print(arr1[1].max())  # 针对第二行提取最大值
15. print(arr1[1].min())  # 针对第二行提取最小值
16. print(arr1[:, 0].max())  # 针对第一列提取最大值
17. print(arr1[:, 0].min())  # 针对第一列提取最小值
19. # 最大值索引   ，索引值是降维以后的索引值
20. print(arr1.argmax())
21. # 最小值索引
22. print(arr1.argmin())
24. # 计算总和,默认针对所有元素进行求和运算
25. print(arr1.sum())
27. print(arr1.sum(axis=1))  # 行求和
28. print(arr1.sum(axis=0))  # 列求和
30. # 计算第2列的总和
31. print(arr1[:,1].sum())
33. # 平均值：将所有元素加起来，除以元素个数
34. print(arr1.mean())
36. print(arr1.mean(axis=1))  # 行平均值
37. print(arr1.mean(axis=0))  # 列平均值
39. # 累加的和
40. print(arr1.cumsum())
42. # 累乘的和
43. print(arr1.cumprod())
45. """
46. 方差
47.     统计的方法是 每个样本值 与 全体样本值 的平均数之差 的平方值的平均值
48.     mean((x-x.mean())**2)
49. """
50. print(np.var([1, 2, 3, 4]))  # mean = 2.5
51. # (1-2.5)**2  (2-2.5)**2
53. """标准差
54.     是方差的一个算数平方根
55.     std = sqrt(mean((x-x.mean())**2)
56. """
57. print(np.std([1,2,3,4]))
58. print(np.sqrt(np.var([1,2,3,4])))

复制代码

数组的拆分与合并

1. import numpy as np
3. arr1 = np.random.randint(0, 10, (3, 12))
4. print(arr1)
6. # 拆分
7. # hsplit()  垂直拆分 ↓
8. print(np.hsplit(arr1, 4))  # 垂直拆分成3个平均的数组
10. a1, a2, a3, a4 = np.hsplit(arr1, 4)
11. print(a1)
13. # 指定拆分
14. print(np.hsplit(arr1, (3, 4)))  # 在指定的索引位置进行拆分
16. # vsplit（）  水平拆分  ->
18. arr2 = np.random.randint(0, 10, (6, 3))
19. print(arr2)
21. # 水平拆分，切分成两个平均的二维数组
22. print(np.vsplit(arr2, 2))
26. # 数组合并
27. # hstack  水平合并
28. # vstack  垂直合并
29. arr3 = np.random.randint(0, 10, (2, 2))
30. arr4 = np.random.randint(0, 10, (2, 2))
31. print(arr3)
32. print(arr4)
34. # 水平合并成两行四列的二维数组
35. print(np.hstack(tup=(arr3, arr4)))
36. # 垂直合并成一个4行2列的二维数组
37. print(np.vstack(tup=(arr3, arr4)))

复制代码

线性代数方法

1. import numpy as np
3. # 创建两个二维数组
4. arr1 = np.array([[1, 2], [3, 4]])
5. arr2 = np.array([[11, 12], [13, 14]])
6. print(arr1)
7. print(arr2)
8. )
9. # 数组的点积运算 np.dot
10. print(np.dot(arr1, arr2))
11. """
12. 将arr1的每一行与arr2的每一列进行对应元素的相乘，且相加
13. 1*11+2*13 = 37
14. 1*12 +2*14 = 40
15. 3*11+4*13 = 85
16. 3*12+4*14 = 92
17. """
19. # 向量的点积运算 np.vdot
20. print(np.vdot(arr1, arr2))
21. """
22. 将数组展开成一维数组，进行索引元素内积，且相加
23. 1*11+2*12+3*13+4*14 = 130
24. """
26. # 数组元素内积  np.inner
27. a = np.array([1, 2, 3])
28. b = np.array([0, 1, 0])
29. print(np.inner(a, b))  # 1*0+2*1+3*0  = 2
31. # 二维元素
32. arr1 = np.array([[1, 2], [3, 4]])
33. arr2 = np.array([[11, 12], [13, 14]])
34. print(np.inner(arr1, arr2))
35. """
36. 数组对应元素的内积
37. 1*11+2*12 = 35
38. 1*13 +2*14 = 41
39. 3*11+4*12 = 81
40. 3*13+4*14 = 95
41. """

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。