数据分析---Numpy（三）

活动地址：CSDN21天学习挑战赛

前两篇地址点这里：
数据分析—Numpy（一）
数据分析—Numpy（二）

数组运算

广播机制（Broadcast）

定义

广播是numpy对不同形状的数组进行数值计算的方式， 对数组的算术运算通常在相应的元素上进行

数组形状相等

两个数组满足a.shape == b.shape，算术运算的结果就是两个数组对应位置上的元素

运算 数组形状不等

numpy将自动触发广播机制

# a.shape == b.shape情况：
import numpy as np 
 
a = np.array([1,2,3,4]) 
b = np.array([10,20,30,40]) 
c = a * b 
print (c)

# 当运算中的 2 个数组的形状不同时，numpy 将自动触发广播机制：
import numpy as np 
a = np.array([[ 0, 0, 0],
           [10,10,10],
           [20,20,20],
           [30,30,30]])
b = np.array([1,2,3])
print(a + b)

数组的算术运算

• 数组和数运算

numpy的广播机制在算术运算过程中，加减乘除的值被广播到所有的元素上 示例

t1 = np.arange(24).reshape(6,4) 
t1+2 
t1*2
t1/2
t1-2

• 数组和数组的运算

（1）同种形状的数组(对应位置进行计算操作)

如果两个数组 a 和 b 形状相同，即满足 a.shape == b.shape，那么 a*b 的结果就是 a 与 b
数组对应位相乘。这要求维数(ndim)相同，且各维度的长度(shape)相同

（2）不种形状的多维数组计算

行数相同，列数不同 行数不同，列数相同

（3）列数相同的一维数组和多维数组可以进行计算

• 增强运算

增强运算符（+=，-=，*=，/=）就位以修改现有数组，而不是创建一个新数组

统计函数

含义	函数
最大值：	np.max()
最小值：	np.min()
极值：	np.ptp()
中位数：	np.median()
求和：	np. sum()
算术平均数：	np.mean()
加权平均数：	np.average()
标准差：	np.std()
方差：	np.var()
协方差：	np.cov()

import numpy as np
a = np.random.randint(1,100,20)
print(a)
print(np.max(a))
print(np.min(a))
print(np.mean(a))
print(np.sum(a))
# ......

排序函数

• numpy.sort(a, axis = -1, kind = None, order = None)

返回数组的排序副本

import numpy as np
a = np.random.randint(1,100,20)
print(a)
print(np.sort(a))

• ndarray.sort(axis = -1, kind = None, order = None)

就地排序数组

• numpy.argsort(a, axis = -1, kind = None, order = None)

返回将对数组进行排序的索引

条件筛选函数

• numpy.argmax(a, axis = None, out = None)

返回沿轴的最大值的索引

• numpy.argmin(a, axis = None, out = None)

返回沿轴的最小值的索引

• numpy.where(条件[,x, y ])

根据条件从x或y中选择返回的元素,三元运算

• numpy.extract(条件, arr)

返回满足某些条件的数组元素