1.數(shù)組上的迭代

NumPy 包含一個迭代器對象numpy.nditer。它是一個有效的多維迭代器對象，可以用于在數(shù)組上進行迭代。數(shù)組的每個元素可使用 Python 的標準Iterator接口來訪問。

import?numpy?as?np
a?=?np.arange(0,?60,?5)
a?=?a.reshape(3,?4)
print(a)
for?x?in?np.nditer(a):
????print(x)

輸出結果：

 [[ 0  5 10 15]
 [20 25 30 35]
 [40 45 50 55]]
0
5
10
15
20
25
30
35
40
45
50
55

如果兩個數(shù)組是可廣播的，nditer組合對象能夠同時迭代它們。假設數(shù) 組a具有維度 3X4，并且存在維度為 1X4 的另一個數(shù)組b，則使用以下類型的迭代器(數(shù)組b被廣播到a的大小)。

import?numpy?as?np
a?=?np.arange(0,?60,?5)
a?=?a.reshape(3,?4)
print(a)
b?=?np.array([1,?2,?3,?4],?dtype=int)
print(b)
for?x,?y?in?np.nditer([a,?b]):
????print(x,?y)

輸出結果： 

[[ 0  5 10 15]
 [20 25 30 35]
 [40 45 50 55]]
[1 2 3 4]
0 1
5 2
10 3
15 4
20 1
25 2
30 3
35 4
40 1
45 2
50 3
55 4

2.數(shù)組形狀修改函數(shù)

1.ndarray.reshape

函數(shù)在不改變數(shù)據(jù)的條件下修改形狀，參數(shù)如下：

ndarray.reshape(arr, newshape, order)

import?numpy?as?np
a?=?np.arange(8)
print(a)
b?=?a.reshape(4,?2)
print(b)

輸出結果:

[0 1 2 3 4 5 6 7]
[[0 1]
 [2 3]
 [4 5]
 [6 7]]

2.ndarray.flat

函數(shù)返回數(shù)組上的一維迭代器，行為類似 Python 內(nèi)建的迭代器。

import?numpy?as?np
a?=?np.arange(0,?16,?2).reshape(2,?4)
print(a)
#?返回展開數(shù)組中的下標的對應元素
print(list(a.flat))

輸出結果： 

[[ 0  2  4  6]
 [ 8 10 12 14]]
[0, 2, 4, 6, 8, 10, 12, 14]

3.ndarray.flatten

函數(shù)返回折疊為一維的數(shù)組副本，函數(shù)接受下列參數(shù)：

ndarray.flatten(order)

其中：

order：‘C’ — 按行，‘F’ — 按列，‘A’ — 原順序，‘k’ —元素在內(nèi)存中的出現(xiàn)順序。

import?numpy?as?np
a?=?np.arange(8).reshape(2,?4)
print(a)
#?default?is?column-major
print(a.flatten())
print(a.flatten(order='F'))

輸出結果：

[[0 1 2 3]
 [4 5 6 7]]
[0 1 2 3 4 5 6 7]
[0 4 1 5 2 6 3 7]

3.數(shù)組翻轉操作函數(shù)

1.numpy.transpose

函數(shù)翻轉給定數(shù)組的維度。如果可能的話它會返回一個視圖。函數(shù)接受下列參數(shù)：

numpy.transpose(arr, axes)

其中：

arr：要轉置的數(shù)組

axes：整數(shù)的列表，對應維度，通常所有維度都會翻轉。

import?numpy?as?np
a?=?np.arange(24).reshape(2,?3,?4)
print(a)
b?=?np.array(np.transpose(a))
print(b)
print(b.shape)

輸出結果：

[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]

 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]]
[[[ 0 12]
  [ 4 16]
  [ 8 20]]

 [[ 1 13]
  [ 5 17]
  [ 9 21]]

 [[ 2 14]
  [ 6 18]
  [10 22]]

 [[ 3 15]
  [ 7 19]
  [11 23]]]
(4, 3, 2)

b?=?np.array(np.transpose(a,?(1,?0,?2)))
print(b)
print(b.shape

輸出結果：

[[[ 0  1  2  3]
  [12 13 14 15]]

 [[ 4  5  6  7]
  [16 17 18 19]]

 [[ 8  9 10 11]
  [20 21 22 23]]]
(3, 2, 4)

2. numpy.ndarray.T

該函數(shù)屬于ndarray類，行為類似于numpy.transpose.

import?numpy?as?np
a?=?np.arange(12).reshape(3,?4)
print(a)
print(a.T)

輸出結果：

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
[[ 0  4  8]
 [ 1  5  9]
 [ 2  6 10]
 [ 3  7 11]] 

3.numpy.swapaxes

函數(shù)交換數(shù)組的兩個軸。這個函數(shù)接受下列參數(shù)：

numpy.swapaxes(arr, axis1, axis2)

其中：

arr：要交換其軸的輸入數(shù)組

axis1：對應第一個軸的整數(shù)

axis2：對應第二個軸的整數(shù)

import?numpy?as?np
a?=?np.arange(8).reshape(2,?2,?2)
print(a)
print(np.swapaxes(a,?2,?0))

輸出結果：

[[[0 1]
  [2 3]]

 [[4 5]
  [6 7]]]
[[[0 4]
  [2 6]]

 [[1 5]
  [3 7]]]

4.numpy.rollaxis

numpy.rollaxis() 函數(shù)向后滾動特定的軸，直到一個特定位置。這個函數(shù)接受三個參數(shù)：

numpy.rollaxis(arr, axis, start)

其中：

arr：輸入數(shù)組

axis：要向后滾動的軸，其它軸的相對位置不會改變

start：默認為零，表示完整的滾動。會滾動到特定位置。

import?numpy?as?np
a?=?np.arange(8).reshape(2,2,2)
print(a)
print(np.rollaxis(a,2))
print(np.rollaxis(a,2,1))

輸出結果：

[[[0 1]
  [2 3]]

 [[4 5]
  [6 7]]]
[[[0 2]
  [4 6]]

 [[1 3]
  [5 7]]]
[[[0 2]
  [1 3]]

 [[4 6]
  [5 7]]]

4.數(shù)組修改維度函數(shù)

1.numpy.broadcast_to

函數(shù)將數(shù)組廣播到新形狀。它在原始數(shù)組上返回只 讀視圖。它通常不連續(xù)。如果新形狀不符合 NumPy 的廣播規(guī)則，該函數(shù)可能會拋出ValueError。該函數(shù)接受以下參數(shù)：

numpy.broadcast_to(array, shape, subok)

import?numpy?as?np
a?=?np.arange(4).reshape(1,4)
print(a)
print(np.broadcast_to(a,(4,4)))

輸出結果：

[[0 1 2 3]]
[[0 1 2 3]
 [0 1 2 3]
 [0 1 2 3]
 [0 1 2 3]] 

2.numpy.expand_dims

函數(shù)通過在指定位置插入新的軸來擴展數(shù)組形狀。該函數(shù)需要兩個參數(shù)：

numpy.expand_dims(arr, axis)

其中：

arr：輸入數(shù)組

axis：新軸插入的位置

import?numpy?as?np
x?=?np.array(([1,?2],?[3,?4]))
print(x)
y?=?np.expand_dims(x,?axis=0)
print(y)
print(x.shape,?y.shape)
y?=?np.expand_dims(x,?axis=1)
print(y)
print(x.ndim,?y.ndim)
print(x.shape,?y.shape)

輸出結果： 

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

 [[3 4]]]
2 3
(2, 2) (2, 1, 2)

3.numpy.squeeze

函數(shù)從給定數(shù)組的形狀中刪除一維條目。此函數(shù)需要兩 個參數(shù)。

numpy.squeeze(arr, axis)

其中：

arr：輸入數(shù)組

axis：整數(shù)或整數(shù)元組，用于選擇形狀中單一維度條目的子集

import?numpy?as?np
x?=?np.arange(9).reshape(1,?3,?3)
print(x)
y?=?np.squeeze(x)
print(y)
print(x.shape,?y.shape)

輸出結果： 

[[[0 1 2]
  [3 4 5]
  [6 7 8]]]
[[0 1 2]
 [3 4 5]
 [6 7 8]]
(1, 3, 3) (3, 3)

5.數(shù)組的連接操作

NumPy中數(shù)組的連接函數(shù)主要有如下四個：

• concatenate 沿著現(xiàn)存的軸連接數(shù)據(jù)序列
• stack 沿著新軸連接數(shù)組序列
• hstack 水平堆疊序列中的數(shù)組(列方向)
• vstack 豎直堆疊序列中的數(shù)組(行方向)

1.numpy.stack

函數(shù)沿新軸連接數(shù)組序列，需要提供以下參數(shù)：

numpy.stack(arrays, axis)

其中：

• arrays：相同形狀的數(shù)組序列
• axis：返回數(shù)組中的軸，輸入數(shù)組沿著它來堆疊

import?numpy?as?np
a?=?np.array([[1,2],[3,4]])
print(a)
b?=?np.array([[5,6],[7,8]])
print(b)
print(np.stack((a,b),0))
print(np.stack((a,b),1))

輸出結果： 

[[1 2]
 [3 4]]
[[5 6]
 [7 8]]
[[[1 2]
  [3 4]]

 [[5 6]
  [7 8]]]
[[[1 2]
  [5 6]]

 [[3 4]
  [7 8]]]

2.numpy.hstack

是numpy.stack()函數(shù)的變體，通過堆疊來生成水平的單個數(shù)組。

import?numpy?as?np
a?=?np.array([[1,?2],?[3,?4]])
print(a)
b?=?np.array([[5,?6],?[7,?8]])
print(b)
print('水平堆疊：')
c?=?np.hstack((a,?b))
print(c)

輸出結果： 

[[1 2]
 [3 4]]
[[5 6]
 [7 8]]
水平堆疊：
[[1 2 5 6]
 [3 4 7 8]]

3.numpy.vstack

是numpy.stack()函數(shù)的變體，通過堆疊來生成豎直的單個數(shù)組。

import?numpy?as?np
a?=?np.array([[1,?2],?[3,?4]])
print(a)
b?=?np.array([[5,?6],?[7,?8]])
print(b)
print('豎直堆疊：')
c?=?np.vstack((a,?b))
print(c)

輸出結果：

[[1 2]
 [3 4]]
[[5 6]
 [7 8]]
豎直堆疊：
[[1 2]
 [3 4]
 [5 6]
 [7 8]] 

4.numpy.concatenate

函數(shù)用于沿指定軸連接相同形狀的兩個或多個數(shù)組。該函數(shù)接受以下參數(shù)。

numpy.concatenate((a1, a2, …), axis)

其中：

• a1, a2, ...：相同類型的數(shù)組序列
• axis：沿著它連接數(shù)組的軸，默認為 0

import?numpy?as?np
a?=?np.array([[1,2],[3,4]])
print(a)
b?=?np.array([[5,6],[7,8]])
print(b)
print(np.concatenate((a,b)))
print(np.concatenate((a,b),axis?=?1))

 輸出結果：

[[1 2]
 [3 4]]
[[5 6]
 [7 8]]
[[1 2]
 [3 4]
 [5 6]
 [7 8]]
[[1 2 5 6]
 [3 4 7 8]]

6.數(shù)組的分割操作

NumPy中數(shù)組的數(shù)組分割函數(shù)主要如下：

• split 將一個數(shù)組分割為多個子數(shù)組
• hsplit 將一個數(shù)組水平分割為多個子數(shù)組(按列)
• vsplit 將一個數(shù)組豎直分割為多個子數(shù)組(按行)

1.numpy.split

該函數(shù)沿特定的軸將數(shù)組分割為子數(shù)組。函數(shù)接受三個參數(shù)：

numpy.split(ary, indices_or_sections, axis)

其中：

• ary：被分割的輸入數(shù)組
• indices_or_sections：可以是整數(shù)，表明要從輸入數(shù)組創(chuàng)建的，等大小的子數(shù)組的數(shù)量。如果此參數(shù)是一維數(shù)組，則其元素表明要創(chuàng)建新子數(shù)組的點。
• axis：默認為 0

import?numpy?as?np
a?=?np.arange(9)
print(a)
print('將數(shù)組分為三個大小相等的子數(shù)組：')
b?=?np.split(a,3)
print(b)
print('將數(shù)組在一維數(shù)組中表明的位置分割：')
b?=?np.split(a,[4,7])
print(b)

輸出結果：

[0 1 2 3 4 5 6 7 8]
將數(shù)組分為三個大小相等的子數(shù)組：
[array([0, 1, 2]), 
array([3, 4, 5]), 
array([6, 7, 8])]
將數(shù)組在一維數(shù)組中表明的位置分割：
[array([0, 1, 2, 3]), 
array([4, 5, 6]), 
array([7, 8])] 

2.numpy.hsplit

split()函數(shù)的特例，其中軸為 1 表示水平分割。

import?numpy?as?np
a?=?np.arange(16).reshape(4,4)
print(a)
print('水平分割：')
b?=?np.hsplit(a,2)
print(b)

輸出結果： 

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 14 15]]
水平分割：
[array([[ 0,  1],
       [ 4,  5],
       [ 8,  9],
       [12, 13]]), 
 array([[ 2,  3],
       [ 6,  7],
       [10, 11],
       [14, 15]])]

3.numpy.vsplit

split()函數(shù)的特例，其中軸為 0 表示豎直分割，無論輸入數(shù)組的維度是什么。

import?numpy?as?np
a?=?np.arange(16).reshape(4,4)
print(a)
print('豎直分割：')
b?=?np.vsplit(a,2)
print(b)

 輸出結果：

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 14 15]]
豎直分割：
[array([[0, 1, 2, 3],
       [4, 5, 6, 7]]),
 array([[ 8,  9, 10, 11],
       [12, 13, 14, 15]])]

7.數(shù)組元素操作

NumPy中數(shù)組操作函數(shù)主要如下：

• resize 返回指定形狀的新數(shù)組
• append 將值添加到數(shù)組末尾
• insert 沿指定軸將值插入到指定下標之前
• delete 返回刪掉某個軸的子數(shù)組的新數(shù)組
• unique 尋找數(shù)組內(nèi)的唯一元素

1.numpy.resize

函數(shù)返回指定大小的新數(shù)組。如果新大小大于原始大小，則包含原始數(shù)組中的元素的重復副本。如果小于則去掉原始數(shù)組的部分數(shù)據(jù)。該函數(shù)接受以下參數(shù)：

numpy.resize(arr, shape)

其中：

• arr：要修改大小的輸入數(shù)組
• shape：返回數(shù)組的新形狀

import?numpy?as?np
a?=?np.array([[1,2,3],[4,5,6]])
print(a)
print(a.shape)
b?=?np.resize(a,?(3,2))
print(b)
print(b.shape)
print('修改第二個數(shù)組的大?。?)
b?=?np.resize(a,(3,3))
print(b)
print('修改第三個數(shù)組的大?。?)
b?=?np.resize(a,(2,2))
print(b)

輸出結果： 

[[1 2 3]
 [4 5 6]]
(2, 3)
[[1 2]
 [3 4]
 [5 6]]
(3, 2)
修改第二個數(shù)組的大?。?br />[[1 2 3]
 [4 5 6]
 [1 2 3]]
修改第三個數(shù)組的大?。?br />[[1 2]
 [3 4]]

2.numpy.append

函數(shù)在輸入數(shù)組的末尾添加值。附加操作不是原地的，而是分配新的數(shù)組。此外，輸入數(shù)組的維度必須匹配否則將生成ValueError。函數(shù)接受下列函數(shù)：

numpy.append(arr, values, axis)

其中：

• arr：輸入數(shù)組
• values：要向arr添加的值，比如和arr形狀相同(除了要添加的軸)
• axis：沿著它完成操作的軸。如果沒有提供，兩個參數(shù)都會被展開。

import?numpy?as?np
a?=?np.array([[1,2,3],[4,5,6]])
print(a)
print(np.append(a,?[[7,8,9]],axis?=?0))
print(np.append(a,?[[5,5,5],[7,8,9]],axis?=?1))

 輸出結果：

[[1 2 3]
 [4 5 6]]
[[1 2 3]
 [4 5 6]
 [7 8 9]]
[[1 2 3 5 5 5]
 [4 5 6 7 8 9]]

3.numpy.insert

函數(shù)在給定索引之前，沿給定軸在輸入數(shù)組中插入值。如果值的類型轉換為要插入，則它與輸入數(shù)組不同。插入沒有原地的，函數(shù)會返回一個新數(shù)組。此外，如果未提供軸，則輸入數(shù)組會被展開。

insert()函數(shù)接受以下參數(shù)：

numpy.insert(arr, obj, values, axis)

其中：

• arr：輸入數(shù)組
• obj：在其之前插入值的索引
• values：要插入的值
• axis：沿著它插入的軸

import?numpy?as?np
a?=?np.array([[1,2],[3,4],[5,6]])
print(a)
print(np.insert(a,3,[11,12]))
print(np.insert(a,1,[11],axis?=?0))
print(np.insert(a,1,[11],axis?=?1))

 輸出結果：

[[1 2]
 [3 4]
 [5 6]]
[ 1  2  3 11 12  4  5  6]
[[ 1  2]
 [11 11]
 [ 3  4]
 [ 5  6]]
[[ 1 11  2]
 [ 3 11  4]
 [ 5 11  6]]

4.numpy.delete

函數(shù)返回從輸入數(shù)組中刪除指定子數(shù)組的新數(shù)組。與insert()函數(shù)的情況一樣，如果未提供軸參數(shù)，則輸入數(shù)組將展開。該函 數(shù)接受以下參數(shù)：

Numpy.delete(arr, obj, axis)

其中：

• arr：輸入數(shù)組
• obj：可以被切片，整數(shù)或者整數(shù)數(shù)組，表明要從輸入數(shù)組刪除的子數(shù)組
• axis：沿著它刪除給定子數(shù)組的軸

import?numpy?as?np
a?=?np.array([[1,2],[3,4],[5,6]])
print(a)
print(np.delete(a,5))
print(np.delete(a,1,axis?=?1))

輸出結果： 

[[1 2]
 [3 4]
 [5 6]]
[1 2 3 4 5]
[[1]
 [3]
 [5]]

5.numpy.unique

函數(shù)返回輸入數(shù)組中的去重元素數(shù)組。該函數(shù)能夠返回一個元組，包含去重數(shù)組和相關索引的數(shù)組。索引的性質(zhì)取決于函數(shù)調(diào)用中返回參數(shù)的類型。

numpy.unique(arr, return_index, return_inverse, return_counts)

其中：

• arr：輸入數(shù)組，如果不是一維數(shù)組則會展開  

• return_index：如果為true，返回輸入數(shù)組中的元素下標  

• return_inverse：如果為true，返回去重數(shù)組的下標，它可以用于重構輸入數(shù)組  

• return_counts：如果為true，返回去重數(shù)組中的元素在原數(shù)組中的出現(xiàn)次數(shù)

import?numpy?as?np
a?=?np.array([5,2,6,2,7,5,6,8,2,9])
u?=?np.unique(a)
print(u)
u,indices?=?np.unique(a,?return_index?=?True)
print(u,?indices)
u,indices?=?np.unique(a,return_inverse?=?True)
print(u,?indices)
u,indices?=?np.unique(a,return_counts?=?True)
print(u,?indices)

輸出結果： 

[2 5 6 7 8 9][2 5 6 7 8 9] 
[1 0 2 4 7 9][2 5 6 7 8 9] 
[1 0 2 0 3 1 2 4 0 5][2 5 6 7 8 9] 
[3 2 2 1 1 1]

8.NumPy - 字符串函數(shù)

以下函數(shù)用于對dtype為numpy.string_或numpy.unicode_的數(shù)組執(zhí)行向量 化字符串操作。它們基于 Python 內(nèi)置庫中的標準字符串函數(shù)。字符數(shù)組類(numpy.char)中定義

import?numpy?as?np
print(np.char.add(['hello'],['?xyz']))
print(np.char.add(['hello',?'hi'],['?abc',?'?xyz']))
print(np.char.multiply('Hello?',3))
print(np.char.center('hello',?20,fillchar?=?'*'))
print(np.char.capitalize('hello?world'))
print(np.char.title('hello?how?are?you?'))
print(np.char.lower(['HELLO','WORLD']))
print(np.char.lower('HELLO'))
print(np.char.upper('hello'))
print(np.char.upper(['hello','world']))
print(np.char.split?('hello?how?are?you?'))
print(np.char.split?('YiibaiPoint,Hyderabad,Telangana',?sep?=?','))
print(np.char.splitlines('hello\nhow?are?you?'))
print(np.char.splitlines('hello\rhow?are?you?'))
print(np.char.strip('ashok?arora','a'))
print(np.char.strip(['arora','admin','java'],'a'))
print(np.char.join(':','dmy'))
print(np.char.join([':','-'],['dmy','ymd']))
print(np.char.replace?('He?is?a?good?boy',?'is',?'was'))
a?=?np.char.encode('hello',?'cp500')
print(a)
print(np.char.decode(a,'cp500'))

輸出結果： 

['hello xyz']
['hello abc' 'hi xyz']
Hello Hello Hello 
*******hello********
Hello world
Hello How Are You?
['hello' 'world']
hello
HELLO
['HELLO' 'WORLD']
['hello', 'how', 'are', 'you?']
['YiibaiPoint', 'Hyderabad', 'Telangana']
['hello', 'how are you?']
['hello', 'how are you?']
shok aror
['ror' 'dmin' 'jav']
d:m:y
['d:m:y' 'y-m-d']
He was a good boy
b'\x88\x85\x93\x93\x96'
hello

9.NumPy - 算數(shù)函數(shù)

NumPy 包含大量的各種數(shù)學運算功能。NumPy 提供標準的三角函數(shù)，算術運算的函數(shù)，復數(shù)處理函數(shù)等。

• 三角函數(shù)
• 舍入函數(shù)
• 算數(shù)函數(shù)

1. NumPy -三角函數(shù)

NumPy 擁有標準的三角函數(shù)，它為弧度制單位的給定角度返回三角函 數(shù)比值。arcsin，arccos，和arctan函數(shù)返回給定角度的sin，cos和tan的反三角函數(shù)。這些函數(shù)的結果可以通過 numpy.degrees()函數(shù)通過將弧度制 轉換為角度制來驗證。

import?numpy?as?np
a?=?np.array([0,30,45,60,90])
#?通過乘?pi/180?轉化為弧度
print(np.sin(a*np.pi/180))
print(np.cos(a*np.pi/180))
print(np.tan(a*np.pi/180))

輸出結果： 

[ 0.          0.5         0.70710678  0.8660254   1.        ]
[  1.00000000e+00   8.66025404e-01   7.07106781e-01   5.00000000e-01
   6.12323400e-17]
[  0.00000000e+00   5.77350269e-01   1.00000000e+00   1.73205081e+00
   1.63312394e+16]

2.NumPy -舍入函數(shù)

numpy.around()這個函數(shù)返回四舍五入到所需精度的值

• numpy.around(a,decimals) – a 輸入數(shù)組
• decimals 要舍入的小數(shù)位數(shù)。默認值為0。如果為負，整數(shù)將四舍五入到小數(shù)點左側的位置

numpy.floor() 函數(shù)返回不大于輸入?yún)?shù)的最大整數(shù)。

numpy.ceil() 函數(shù)返回輸入值的上限，大于輸入?yún)?shù)的最小整數(shù)

import?numpy?as?np
a?=?np.array([1.0,?5.55,?123,?0.567,?25.532])
print(np.around(a))
print(np.around(a,?decimals=1))
print(np.floor(a))
print(np.ceil(a))

輸出結果：

[   1.    6.  123.    1.   26.]
[   1.     5.6  123.     0.6   25.5]
[   1.    5.  123.    0.   25.]
[   1.    6.  123.    1.   26.] 

3.NumPy - 算數(shù)運算

用于執(zhí)行算術運算(如add()，subtract()，multiply()和divide())的輸入數(shù)組必須具有相同的形狀或符合數(shù)組廣播規(guī)則。

• numpy.reciprocal() 函數(shù)返回參數(shù)逐元素的倒數(shù)。
• numpy.power() 函數(shù)將第一個輸入數(shù)組中的元素作為底數(shù)，計算它與第二個輸入數(shù)組中相應元素的冪。
• numpy.mod() 函數(shù)返回輸入數(shù)組中相應元素的除法余數(shù)

import?numpy?as?np
a?=?np.array([0.25,?2,?1,?0.2,?100])
print(np.reciprocal(a))
print(np.power(a,2))
a?=?np.array([10,20,30])
b?=?np.array([3,5,7])
print(np.mod(a,b))

輸出結果： 

[ 4.    0.5   1.    5.    0.01]
[  6.25000000e-02   4.00000000e+00   1.00000000e+00
   4.00000000e-02.  1.00000000e+04]
[1 0 2]

4.NumPy - 統(tǒng)計函數(shù)

NumPy 有很多有用的統(tǒng)計函數(shù)，用于從數(shù)組中給定的元素中查找最小，最大，百分標準差和方差等。

numpy.amin() , numpy.amax() 從給定數(shù)組中的元素沿指定軸返回最小值和最大值。

numpy.ptp() 函數(shù)返回沿軸的值的范圍(最大值 - 最小值)。

numpy.percentile() 表示小于這個值得觀察值占某個百分比

numpy.percentile(a, q, axis)

• a 輸入數(shù)組;
• q 要計算的百分位數(shù)，在 0 ~ 100 之間;
• axis 沿著它計算百分位數(shù)的軸

numpy.median() 返回數(shù)據(jù)樣本的中位數(shù)。

numpy.mean() 沿軸返回數(shù)組中元素的算術平均值。

numpy.average() 返回由每個分量乘以反映其重要性的因子得到的加權平均值

import?numpy?as?np
a?=?np.array([[3,7,5],[8,4,3],[2,4,9]])
print(np.amin(a,1))
print(np.amax(a,1))
print(np.ptp(a))
print(np.percentile(a,50))
print(np.median(a))
print(np.mean(a))
print(np.average(a))
print(np.std([1,2,3,4]))?#返回數(shù)組標準差
print(np.var([1,2,3,4]))?#返回數(shù)組方差

輸出結果： 

[3 3 2]
[7 8 9]
7
4.0
4.0
5.0
5.0
1.11803398875
1.25

10.排序、搜索和計數(shù)函數(shù)

NumPy中提供了各種排序相關功能。

numpy.sort() 函數(shù)返回輸入數(shù)組的排序副本。numpy.sort(a, axis, kind, order)

• a 要排序的數(shù)組;
• axis 沿著它排序數(shù)組的軸，如果沒有數(shù)組會被展開，沿著最后的軸排序;
• kind 默認為'quicksort'(快速排序);
• order 如果數(shù)組包含字段，則是要排序的字段

numpy.argsort() 函數(shù)對輸入數(shù)組沿給定軸執(zhí)行間接排序，并使用指定排序類型返回數(shù)據(jù)的索引數(shù)組。這個索引數(shù)組用于構造排序后的數(shù)組。

numpy.lexsort() 函數(shù)使用鍵序列執(zhí)行間接排序。鍵可以看作是電子表格中的一列。該函數(shù)返回一個索引數(shù)組，使用它可以獲得排序數(shù)據(jù)。注意，最后一個鍵恰好是 sort 的主鍵。

numpy.argmax() 和 numpy.argmin() 這兩個函數(shù)分別沿給定軸返回最大和最小元素的索引。

numpy.nonzero() 函數(shù)返回輸入數(shù)組中非零元素的索引。

numpy.where() 函數(shù)返回輸入數(shù)組中滿足給定條件的元素的索引。

numpy.extract() 函數(shù)返回滿足任何條件的元素。

import?numpy?as?np
a?=?np.array([[3,?7,?3,?1],?[9,?7,?8,?7]])
print(np.sort(a))
print(np.argsort(a))
print(np.argmax(a))
print(np.argmin(a))
print(np.nonzero(a))
print(np.where(a?>?3))
nm?=?('raju',?'anil',?'ravi',?'amar')
dv?=?('f.y.',?'s.y.',?'s.y.',?'f.y.')
print(np.lexsort((dv,?nm)))

輸出結果： 

[[1 3 3 7]
 [7 7 8 9]]
[[3 0 2 1]
 [1 3 2 0]]
4
3
(array([0, 0, 0, 0, 1, 1, 1, 1], dtype=int64), 
array([0, 1, 2, 3, 0, 1, 2, 3], dtype=int64))
(array([0, 1, 1, 1, 1], dtype=int64), 
array([1, 0, 1, 2, 3], dtype=int64))
[3 1 0 2]

11.IO文件操作

ndarray對象可以保存到磁盤文件并從磁盤文件加載?？捎玫?IO 功能有：

• numpy.save() 文件將輸入數(shù)組存儲在具有npy擴展名的磁盤文件中。
• numpy.load() 從npy文件中重建數(shù)組。
• numpy.savetxt()和numpy.loadtxt() 函數(shù)以簡單文本文件格式存儲和獲取數(shù)組數(shù)據(jù)。

import?numpy?as?np
a?=?np.array([1,2,3,4,5])
np.save('outfile',a)
b?=?np.load('outfile.npy')
print(b)
a?=?np.array([1,2,3,4,5])
np.savetxt('out.txt',a)
b?=?np.loadtxt('out.txt')
print(b)

 輸出結果：

[1 2 3 4 5]
[ 1.  2.  3.  4.  5.]

以上就是Python中11種NumPy高級操作總結的詳細內(nèi)容，更多關于Python NumPy操作的資料請關注腳本之家其它相關文章！