Numpy详解，带你一步步了解Numpy（三）

目录

二、主要内容

22、比较，遮罩和布尔逻辑

 23、使用布尔数组

 24、布尔数组作为遮罩

 25、花式索引

 26、组合索引

 27、使用花式索引修改值

 28、快速排序:np.sort()和np.argsort()

 29、按行或列排序

 30、分区排序

---

二、主要内容

22、比较，遮罩和布尔逻辑

考虑下面的场景，假设我们有2014年西雅图市的日降水量，

这个直方图让我们大致了解了数据的样子，但我们想要回答一些深入的问题，例如:

一年中有多少雨天?

那些雨天的平均降水量是多少?

降雨量超过半英寸的天数有多少?

 Numpy还将比较操作符实现为元素级的ufuncs。

 

 

 23、使用布尔数组

在Python中，True和False分别被解释为1和0。

 当我们想要检查所有值是否为真时，可以使用np.any()或np.all()。

 Numpy将Python的按位逻辑操作符&、|、^和~重载为对布尔数组进行元素级处理的虚函数。

例如： 

 

 24、布尔数组作为遮罩

更强大的模式是使用布尔数组作为掩码，以选择数据本身的特定子集。

屏蔽操作返回一个一维数组，其中填充了掩码数组为True的所有位置的值。

 回到我们降雨量的问题，通过组合布尔运算、屏蔽运算和聚合，我们可以非常快速地回答西雅图雨水数据的一些统计问题。

 25、花式索引

通过传递索引数组来代替单个标量，允许我们非常快速地访问和修改数组值的复杂子集。

结果的形状反映索引数组的形状，而不是被索引的数组的形状。

 26、组合索引

 

 27、使用花式索引修改值

 

 

 28、快速排序:np.sort()和np.argsort()

默认情况下，np.sort()使用O[NlogN]，这是一种快速排序算法，不过也可以使用合并排序和堆排序。

对于大多数应用程序，默认的快速排序已经足够了。

 

 29、按行或列排序

 30、分区排序

有时我们对整个数组的排序不感兴趣，而只是想找到数组中最小的k个值