python教程：35个numpy 中不常用的方法

a = np.array([1,2,3,4,5])

b = np.array([5,6,7,8,9])

答案

np.setdiff1d(a,b)

#> array([1, 2, 3, 4])

挑战 13：找出相同元素

要求：给定两个数组 a、b，返回两数组中相同元素的下标。

输入数

a = np.array([1,2,3,2,3,4,3,4,5,6])

b = np.array([7,2,10,2,7,4,9,4,9,8])

答案：

np.where(a == b)

#> (array([1, 3, 5, 7]),)

挑战 14：按要求取出元素

要求：从数组中取出大于等于 5 且小于等于 10 的元素。

输入数组

a = np.arange(15)

答案 1:

index = np.where((a >= 5) & (a <= 10))

a[index]

答案 2:

index = np.where(np.logical_and(a>=5, a<=10))

a[index]

答案 3:

a[(a >= 5) & (a <= 10)]

#> (array([6, 9, 10]),)

挑战 15：实现 max 的 numpy 版

要求：给定长度相同的数组 a、b，返回一个新数组，数组上的每一个元素为max(a_i, b_i)。

若 pair_max 为满足要求的函数，则对于 a 和 b，期望输出如下：

‘’’

遇到问题没人解答？小编创建了一个Python学习交流QQ群：778463939

寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！

‘’’

输入数组

a = np.array([5, 7, 9, 8, 6, 4, 5])

b = np.array([6, 3, 4, 8, 9, 7, 1])

pair_max(a, b)

#> 期望输出：array([ 6., 7., 9., 8., 9., 7., 5.])

答案:

def maxx(x, y):

“”“Get the maximum of two items”“”

if x >= y:

return x

else:

return y

pair_max = np.vectorize(maxx, otypes=[float])

a = np.array([5, 7, 9, 8, 6, 4, 5])

b = np.array([6, 3, 4, 8, 9, 7, 1])

pair_max(a, b)

挑战 16：交换二维数组的列

要求：交换数组的第一第二列。

输入数组

arr = np.arange(9).reshape(3,3)

答案:

arr[:, [1,0,2]]

#> array([[1, 0, 2],

#> [4, 3, 5],

#> [7, 6, 8]])

挑战 17：交换二维数组的行

要求：交换二维数组的第一第二行。

‘’’

遇到问题没人解答？小编创建了一个Python学习交流QQ群：778463939

寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！

‘’’

输入数组

arr = np.arange(9).reshape(3,3)

答案

arr[[1,0,2], :]

#> array([[3, 4, 5],

#> [0, 1, 2],

#> [6, 7, 8]])

挑战 18：将一个数组按行反序

要求：数组 arr 为二维数组，将其行反序。

输入数组

arr = np.arange(9).reshape(3,3)

答案:

arr[::-1]

挑战 19：将一个数组按列反序

要求：数组 arr 为二维数组，将其列反序。

输入数组

arr = np.arange(9).reshape(3,3)

答案:

arr[:, ::-1]

挑战 20：创建随机数组

要求：创建一个 5*3 的数组，数组元素为 5 到 10 的随机浮点数。

‘’’

遇到问题没人解答？小编创建了一个Python学习交流QQ群：778463939

寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！

‘’’

答案 1:

rand_arr = np.random.randint(low=5, high=10, size=(5,3)) + np.random.random((5,3))

print(rand_arr)

答案 2:

rand_arr = np.random.uniform(5,10, size=(5,3))

print(rand_arr)

#> [[ 8.50061025 9.10531502 6.85867783]

#> [ 9.76262069 9.87717411 7.13466701]

#> [ 7.48966403 8.33409158 6.16808631]

#> [ 7.75010551 9.94535696 5.27373226]

#> [ 8.0850361 5.56165518 7.31244004]]

挑战 21：按要求打印数组（一）

要求：数组元素输出时保留 3 位小数。

输入数组

rand_arr = np.random.random([5,3])

答案：

设置保留 3 位小数

np.set_printoptions(precision=3)

rand_arr[:4]

#> array([[ 0.443, 0.109, 0.97 ],

#> [ 0.388, 0.447, 0.191],

#> [ 0.891, 0.474, 0.212],

#> [ 0.609, 0.518, 0.403]])

挑战 22：按要求打印数组（二）

要求：数组为小数，使用小数点的形式来打印，而不是科学记数法（如1e-4）。

输入数组

np.random.seed(100)

rand_arr = np.random.random([3,3])/1e3

rand_arr

#> array([[ 5.434049e-04, 2.783694e-04, 4.245176e-04],

#> [ 8.447761e-04, 4.718856e-06, 1.215691e-04],

#> [ 6.707491e-04, 8.258528e-04, 1.367066e-04]])

答案:

np.set_printoptions(suppress=True, precision=6) # precision 是可选项

rand_arr

#> array([[ 0.000543, 0.000278, 0.000425],

#> [ 0.000845, 0.000005, 0.000122],

#> [ 0.000671, 0.000826, 0.000137]])

挑战 23：按要求打印数组（三）

要求：打印时省略中间元素，限制显示数组元素的个数为 6。

‘’’

遇到问题没人解答？小编创建了一个Python学习交流QQ群：778463939

寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！

‘’’

输入数组

a = np.arange(15)

#> 原输出 ：[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14]

#> 目标输出：[ 0 1 2 …, 12 13 14] array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14])

答案:

np.set_printoptions(threshold=6)

a

#> array([ 0, 1, 2, …, 12, 13, 14])

挑战 24：加载特殊矩阵

要求：著名的 iris 数据集是包含兰花属性和种类的数据集，其中每行属性有数字和文字，用 numpy 来加载他们。

答案

url = ‘https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data’

iris = np.genfromtxt(url, delimiter=‘,’, dtype=‘object’)

names = (‘sepallength’, ‘sepalwidth’, ‘petallength’, ‘petalwidth’, ‘species’)

输出前三行

iris[:3]

#> array([[b’5.1’, b’3.5’, b’1.4’, b’0.2’, b’Iris-setosa’],

#> [b’4.9’, b’3.0’, b’1.4’, b’0.2’, b’Iris-setosa’],

#> [b’4.7’, b’3.2’, b’1.3’, b’0.2’, b’Iris-setosa’]], dtype=object)

挑战 25：重定义数组的元素范围

要求：将 iris 数组集的第一个列的数据范围缩放为 0 到 1。

Input url = ‘https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data’

sepallength = np.genfromtxt(url, delimiter=‘,’, dtype=‘float’, usecols=[0])

答案

Smax, Smin = sepallength.max(), sepallength.min()

S = (sepallength - Smin)/(Smax - Smin)

or

S = (sepallength - Smin)/sepallength.ptp()

print(S)

#> [ 0.222 0.167 0.111 0.083 0.194 0.306 0.083 0.194 0.028 0.167

#> 0.306 0.139 0.139 0. 0.417 0.389 0.306 0.222 0.389 0.222

#> 0.306 0.222 0.083 0.222 0.139 0.194 0.194 0.25 0.25 0.111

#> 0.139 0.306 0.25 0.333 0.167 0.194 0.333 0.167 0.028 0.222

#> 0.194 0.056 0.028 0.194 0.222 0.139 0.222 0.083 0.278 0.194

#> 0.75 0.583 0.722 0.333 0.611 0.389 0.556 0.167 0.639 0.25

#> 0.194 0.444 0.472 0.5 0.361 0.667 0.361 0.417 0.528 0.361

#> 0.444 0.5 0.556 0.5 0.583 0.639 0.694 0.667 0.472 0.389

#> 0.333 0.333 0.417 0.472 0.306 0.472 0.667 0.556 0.361 0.333

#> 0.333 0.5 0.417 0.194 0.361 0.389 0.389 0.528 0.222 0.389

#> 0.556 0.417 0.778 0.556 0.611 0.917 0.167 0.833 0.667 0.806

#> 0.611 0.583 0.694 0.389 0.417 0.583 0.611 0.944 0.944 0.472

#> 0.722 0.361 0.944 0.556 0.667 0.806 0.528 0.5 0.583 0.806

#> 0.861 1. 0.583 0.556 0.5 0.944 0.556 0.583 0.472 0.722

#> 0.667 0.722 0.417 0.694 0.667 0.667 0.556 0.611 0.528 0.444]

挑战 26：根据百分比大小返回元素

要求：返回数组中按从小到大排序，位置为 5% 和 95% 的数。

输入数组

url = ‘https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data’

sepallength = np.genfromtxt(url, delimiter=‘,’, dtype=‘float’, usecols=[0])

答案:

np.percentile(sepallength, q=[5, 95])

#> array([ 4.6 , 7.255])

挑战 27：找出数组的缺失值

要求：数组中有多处缺失值（答案nan），找出他们的位置。

‘’’

遇到问题没人解答？小编创建了一个Python学习交流QQ群：778463939

寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！

‘’’

输入数组

url = ‘https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data’

iris_2d = np.genfromtxt(url, delimiter=‘,’, dtype=‘float’, usecols=[0,1,2,3]) iris_2d[np.random.randint(150, size=20), np.random.randint(4, size=20)] = np.nan

答案:

print(“Number of missing values: \n”, np.isnan(iris_2d[:, 0]).sum())

print(“Position of missing values: \n”, np.where(np.isnan(iris_2d[:, 0])))

#> Number of missing values:

#> 5

#> Position of missing values:

#> (array([ 39, 88, 99, 130, 147]),)

挑战 28：数组缺失值判断

要求：返回数组是否具有缺失值。

输入数组

url = ‘https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data’

iris_2d = np.genfromtxt(url, delimiter=‘,’, dtype=‘float’, usecols=[0,1,2,3])

iris_2d[np.random.randint(150, size=20), np.random.randint(4, size=20)] = np.nan

答案：

np.isnan(iris_2d).any()

#> False

挑战 29：数组缺失值处理

要求：替换数组中的缺失值为0。

输入数组

url = ‘https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data’

iris_2d = np.genfromtxt(url, delimiter=‘,’, dtype=‘float’, usecols=[0,1,2,3])

iris_2d[np.random.randint(150, size=20), np.random.randint(4, size=20)] = np.nan

答案

iris_2d[np.isnan(iris_2d)] = 0

iris_2d[:4]

#> array([[ 5.1, 3.5, 1.4, 0. ],

#> [ 4.9, 3. , 1.4, 0.2],

#> [ 4.7, 3.2, 1.3, 0.2],

#> [ 4.6, 3.1, 1.5, 0.2]])

挑战 30：数组的 unique 元素

要求：返回数组中出现的所有元素集合

输入数组

url = ‘https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data’

iris = np.genfromtxt(url, delimiter=‘,’, dtype=‘object’)

答案:

species = np.array([row.tolist()[4] for row in iris])

np.unique(species, return_counts=True)

#> (array([b’Iris-setosa’, b’Iris-versicolor’, b’Iris-virginica’],

#> dtype=‘|S15’), array([50, 50, 50]))

挑战 31：二维数组排序

要求：根据第一列排序二维数组

‘’’

遇到问题没人解答？小编创建了一个Python学习交流QQ群：778463939

寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！

‘’’

输入数组

url = ‘https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data’

iris = np.genfromtxt(url, delimiter=‘,’, dtype=‘object’)

答案:

print(iris[iris[:,0].argsort()][:5])

#> [[b’4.3’ b’3.0’ b’1.1’ b’0.1’ b’Iris-setosa’]

#> [b’4.4’ b’3.2’ b’1.3’ b’0.2’ b’Iris-setosa’]

#> [b’4.4’ b’3.0’ b’1.3’ b’0.2’ b’Iris-setosa’]

#> [b’4.4’ b’2.9’ b’1.4’ b’0.2’ b’Iris-setosa’]

#> [b’4.5’ b’2.3’ b’1.3’ b’0.3’ b’Iris-setosa’]

挑战 32：出现最频繁的元素

要求：返回数组中出现最多的元素。

输入数组:

url = ‘https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data’

iris = np.genfromtxt(url, delimiter=‘,’, dtype=‘object’)

答案:

vals, counts = np.unique(iris[:, 2], return_counts=True)

print(vals[np.argmax(counts)])

#> b’1.5’

挑战 33：找出数组中某元素满足第一次大于某数的下标

要求：在 iris 数据集中，返回第一个元素的下标，满足第4列属性大于1.0。

输入数组:

url = ‘https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data’

iris = np.genfromtxt(url, delimiter=‘,’, dtype=‘object’)

答案:

np.argwhere(iris[:, 3].astype(float) > 1.0)[0]

#> 50

挑战 34：设定数组元素的上下限

要求：给定数组 a，将数组中大于 30 的数截断为 30，小于 10 的数截断为 10。

‘’’

遇到问题没人解答？小编创建了一个Python学习交流QQ群：778463939

寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！

‘’’

输入数组

np.set_printoptions(precision=2)

np.random.seed(100)

a = np.random.uniform(1,50, 20)

答案 1:

np.clip(a, a_min=10, a_max=30)

答案 2:

print(np.where(a < 10, 10, np.where(a > 30, 30, a)))

#> [ 27.63 14.64 21.8 30. 10. 10. 30. 30. 10. 29.18 30.

#> 11.25 10.08 10. 11.77 30. 30. 10. 30. 14.43]

挑战 35：去掉所有缺失值