NumPy使用总结

数组

创建数组

my_new_array = np.zeros((5)) 

my_2d_array = np.zeros((2, 3))

my_2d_array_new = np.ones((2, 4))

c = np.arange(5)

提取元素

my_array_column_2 = my_array[:, 1]   # 提取第二列所有元素

运算操作

+、 -、 *、 / 逐位运算
矩阵乘法a.dot(b)
特殊运算符号：sum min max cumsum

多维数组切片

where函数

where() 函数是另外一个根据条件返回数组中的值的有效方法。只需要把条件传递给它，它就会返回一个使得条件为真的元素的列表

# Where
a = np.arange(0, 100, 10)
b = np.where(a < 50) 
c = np.where(a >= 50)[0]
print(b) # >>>(array([0, 1, 2, 3, 4]),)
print(c) # >>>[5 6 7 8 9]

应用

改变数组形状

np.arange(10)
# > array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
arr.reshape(2, -1)  # Setting to -1 automatically decides the number of cols
# > array([[0, 1, 2, 3, 4],
# >        [5, 6, 7, 8, 9]])

获取两个numpy数组之间的公共项

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])
np.intersect1d(a,b)
# > array([2, 4])

从一个数组中删除存在于另一个数组中的项

a = np.array([1,2,3,4,5])
b = np.array([5,6,7,8,9])

# From 'a' remove all of 'b'
np.setdiff1d(a,b)
# > array([1, 2, 3, 4])

提取给定范围所有数字

a = np.arange(15)
a[(a >= 5) & (a <= 10)]

交换二维numpy中的两行、两列

arr = np.arange(9).reshape(3,3)
# Solution
arr[[1,0,2], :]
# > array([[3, 4, 5],
# >        [0, 1, 2],
# >        [6, 7, 8]])

# Input
arr = np.arange(9).reshape(3,3)
# Solution
arr[:, [1,0,2]]
# > array([[1, 0, 2],
# >        [4, 3, 5],
# >        [7, 6, 8]])

翻转二维数组的行

# Input
arr = np.arange(9).reshape(3,3)
# Solution
arr[:, ::-1]
# > array([[2, 1, 0],
# >        [5, 4, 3],
# >        [8, 7, 6]])

更多应用请参考NumPy 数据分析练习