numpy之向量化函数

numpy的一个很大的优点就是通过向量化，大幅提高运算效率，这里介绍一些常用的向量化函数。

一、where函数

numpy.where函数是三元表达式x if condition else y的向量化版本，常用于根据一个数组来生成一个新的数组。

假设有两个数值数组和一个布尔值数组：

a = np.array([2, 4, 9, 16])
b = np.array([1, 3, 10, 17])
c = np.array([True, False, False, True])

当c中的元素为True时，取a中的元素，否则取b中的元素，那么就可以用numpy.where函数：

r = np.where(c, a, b)
r # 结果：array([ 2,  3, 10, 16])

其中，a、b可以为数组或标量。

二、数学和统计方法

许多关于计算整个数组统计值或关于轴向数据的数学函数，可以作为数组类型的方法被调用。像mean、sum等函数可以接收一个可选参数axis，这个参数可以用于计算给定轴向上的统计值，形成一个下降一维度的数组，即axis=0表示列上的统计值，axis=1表示行上的统计值：

对于下列数组ÿ