numpy一些函数的使用记录

1、np.where()

np.where(condition)
当np.where仅仅含有condition没有x/y时，属于条件选择
例如：
一维数组

>>>a=np.array([1,2,3])
挑选数组中大于2元素
>>>b = np.where(a>2)
>>>b
(array([2], dtype=int64),)
结果显示为一个元组，因数组只有一位，因此元组仅有第一个元素，表示行index

二维数组

>>>a=np.array([[1,2,3],[4,5,6]])
# 筛选二维数组中大于3的元素
>>>index = np.where(a>3)
>>>index
(array([1, 1, 1], dtype=int64), array([0, 1, 2], dtype=int64))
从结果看，得到的是一个元组，分别表示满足筛选条件的数组的行列的index

np.where(condition,x,y)
当np.where既含有condition，又含有x，y的时候，可以理解为条件选择，为真的时候值为x，为假的时候为值为y

>>>a=np.array([[1,12,5,9],[17,10,8,6],[60,7,38,17]])
>>>a
array([[ 1, 12,  5,  9],
       [17, 10,  8,  6],
       [60,  7, 38, 17]])
>>>b = np.where(a>10,a,-10*a)
>>>b
array([[ -10,   12,  -50,  -90],
       [  17, -100,  -80,  -60],
       [  60,  -70,   38,   17]])

2、np.squeeze()

针对多维数组，去除冗余维度（特指维度为1的）
函数接口：
squeeze(a, axis=None):

>>>a = np.array([[1,2,3],[4,5,6]]).reshape(-1,2,3)
>>>a
array([[[1, 2, 3],
        [4, 5, 6]]])
>>>a.shape
(1, 2, 3)
>>>b = a.squeeze(0)
>>>b 
array([[1, 2, 3],
       [4, 5, 6]])
>>>b.shape
(2,3)
 

3、np.concatenate()

针对ndarray的数组，依照某一维度进行拼接，除去拼接的维度，其余维度均需相同
函数接口：
concatenate(arrays,axis=None, out=None, *, dtype=None, casting=None):

>>>a = np.array([[1,2,3],[4,5,6]]).reshape(-1,2,3)
>>>a
array([[[1, 2, 3],
        [4, 5, 6]]])
>>>a.shape
(1, 2, 3)
>>>b =a.squeeze(0)
>>>b.shape
(2, 3)
>>>c = np.concatenate([a,b],axis=0)
Traceback (most recent call last):
  File "D:\Users\Administrator\anaconda3\envs\base_env\lib\code.py", line 90, in runcode
    exec(code, self.locals)
  File "<input>", line 1, in <module>
  File "<__array_function__ internals>", line 180, in concatenate
ValueError: all the input arrays must have same number of dimensions, but the array at index 0 has 3 dimension(s) and the array at index 1 has 2 dimension(s)
>>>b = b[np.newaxis,...]
>>>b.shape
(1,2,3)
>>>c = np.concatenate([a,b],axis=0)
>>>c.shape
(2, 2, 3)

4、np.argmin()与np.argmax()

针对ndarray数组，按照某一特定维度求取最大最小值；
针对图像或者二维数组，因ndarray的shape一般为（h,w,c),因此可以简单记忆维度0对应列方向，维度1对应行方向。
函数接口：
argmin(a, axis=None, out=None, *, keepdims=np._NoValue):
argmax(a, axis=None, out=None, *, keepdims=np._NoValue):

>>>a =  np.array([[1,8,9],[4,5,6]])
>>>a
array([[1, 8, 9],
       [4, 5, 6]])
>>>np.argmin(a,0)
array([0, 1, 1], dtype=int64)
>>>np.argmin(a,1)
array([0, 0], dtype=int64)
>>>np.argmax(a,0)
array([1, 0, 0], dtype=int64)
>>>np.argmax(a,1)
array([2, 2], dtype=int64)

5、np.repeat()

针对ndarray数组，按照某一特定维度进行维度上元素的repeat
函数接口：
repeat(a, repeats, axis=None):

>>>a = np.array([[1,8,9],[4,5,6]])
>>>b = np.repeat(a,axis=0,repeats=2)
>>>b.shape
(4,3)
>>>b
array([[1, 8, 9],
       [1, 8, 9],
       [4, 5, 6],
       [4, 5, 6]])
>>>b = np.repeat(b,axis=1,repeats=2)
>>>b
array([[1, 1, 8, 8, 9, 9],
       [1, 1, 8, 8, 9, 9],
       [4, 4, 5, 5, 6, 6],
       [4, 4, 5, 5, 6, 6]])
>>>b.shape
(4,6)

6、np.mean()

针对某一特定维度求取平均值
函数接口：
mean(a,axis=None,dtype=None,out=None, keepdims=np._NoValue, *,where=np._NoValue):

>>>a=np.array([[1,12,5,9],[17,10,8,6]])
array([[ 1, 12,  5,  9],
       [17, 10,  8,  6]])
>>>np.mean(a,axis=0)
array([ 9. , 11. ,  6.5,  7.5])
>>>np.mean(a,axis=1)
array([ 6.75, 10.25])

7、np.median（）

针对数组的某一特定维度求取中位数
函数接口：
median(a, axis=None, out=None,overwrite_input=False, keepdims=False)
参数说明：
a：输入数组；
axis：指定维度；
out：用于放置结果的数组
overwrite_input :bool型的参数，默认为Flase。如果为True那么将直接在数组内存中计算，计算之后原数组没办法保存，优点在于节省内存资源，Flase则相反；
keepdims：bool型的参数，默认为Flase

注意：
当选定维度上的数据个数为奇数时，求取的是按照从大到小排序的中位数
当选定维度上的数据个数为偶数时，求取的是按照从大到小排序的中间两个数的平均值

>>>a=np.array([[1,12,5,9],[17,10,8,6],[60,7,38,17]])
>>>a
array([[ 1, 12,  5,  9],
       [17, 10,  8,  6],
       [60,  7, 38, 17]])
>>>np.median(a,axis=0)
array([17., 10.,  8.,  9.]) 
>>>np.median(a,axis=1)
array([ 7. ,  9. , 27.5])

持续更新中

–END–