数据分析之numpy常用方法【获取最大、小值、数组拼接】

1. np.argmax()获取最大值索引

1.1 一维数组

a = [7, 2, 9, 4, 5]
arr_a = np.array(a)
b = np.array([[12, 14, 15], [10, 20, 30], [9, 7, 4]])
max_a_index = np.argmax(arr_a)
print(max_a_index)

结果输出
2

1.2 二维数组

• np.argmax()方法中存在一个$axis=$ 参数
  • 当没有对该参数赋值时，是为一维数组进行比较。
  • axis=0 时，表示对每一列进行比较，获取每一列最大值的索引
  • axis=1 时，表示对每一行进行比较，获取每一行最大值的索引

b = np.array([[12, 14, 15], [13, 11, 4], [10, 20, 30], [9, 7, 4]])
max_b_index = np.argmax(b)
max_b2_index = np.argmax(b, axis=0)
max_b3_index = np.argmax(b, axis=1)
print(b)
print("*"*20)
print(max_b_index)
print(max_b2_index)
print(max_b3_index)

结果输出			
[[12 14 15]
 [13 11  4]
 [10 20 30]
 [ 9  7  4]]
********************
8
[1 2 2]
[2 0 2 0]

当然，我们还可以或者三维数组的最大值。因为不太常用，我们在这里我们就不再一一讲解。同理，我们还可以利用 np.argmin() 获取数组的最小值.在这里我们依旧略过。

2. max()获取最大值

b = np.array([[12, 14, 15], [13, 11, 4], [10, 20, 30], [9, 7, 4]])
print(b)
print("-------------")
print(b.max())
print(b.max(axis=0))  # 每行进行对比，获取每列的最大值
print(b.max(axis=1))  # # 每列进行对比，获取每行的最大值

输出:
[[12 14 15]
 [13 11  4]
 [10 20 30]
 [ 9  7  4]]
-------------
30
[13 20 30]
[15 13 30  9]

3. Numpy中常用的统计函数

4. Numpy中的数组拼接

方法	要点
concatenate()	能够一次完成多个数组的拼接，适合大规模的数据拼接
append()	最常见的方法，意为追加的意思。默认将数组ravel扁平化，返回的是一个1维数组
column_stack	按行进行拼接
row_stack	按列进行拼接
stack	用于生成新的维度
hstack	按行进行拼接
vstack	按列进行拼接
dstack	沿着第三个轴进行拼接
c_	按列进行拼接，适用于小型数据拼接
r_	按行进行拼接，适用于小型数据拼接

4.1 concatenate()

• axis=0时，按行拼接
• axis=1时，按列拼接
• axis参数默认为 0

a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.array([[11, 21, 31], [7, 8, 9]])
c = np.array([[10, 12, 13], [14, 15, 16]])
new_arr1 = np.concatenate((a, b, c), axis=0)
new_arr2 = np.concatenate((a, b, c), axis=1)
new_arr3 = np.concatenate((a, b, c))
print(new_arr1)
print("-" * 20)
print(new_arr2)

[[ 1  2  3]
 [ 4  5  6]
 [11 21 31]
 [ 7  8  9]
 [10 12 13]
 [14 15 16]]
--------------------
[[ 1  2  3 11 21 31 10 12 13]
 [ 4  5  6  7  8  9 14 15 16]]

4.2 append()

a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.array([[7, 8, 9], [11, 16, 18]])
c = np.array([[10, 12, 13], [14, 15, 16]])
new_arr1 = np.append(a, b)
new_arr2 = np.append(a, b, axis=0)
new_arr3 = np.append(a, b, axis=1)
print(new_arr1)
print("-" * 20)
print(new_arr2)
print("-" * 20)
print(new_arr3)

[ 1  2  3  4  5  6  7  8  9 11 16 18]
--------------------
[[ 1  2  3]
 [ 4  5  6]
 [ 7  8  9]
 [11 16 18]]
--------------------
[[ 1  2  3  7  8  9]
 [ 4  5  6 11 16 18]]

4.3 其他

对于其他方法都大同小异，下面我们就不一一进行讲解了，直接上代码

• 按列拼接

# 按列拼接
temp1 = np.concatenate((a, c), axis=1)
temp2 = np.append(a, c, axis=1)
temp3 = np.hstack((a, c))
temp4 = np.column_stack((a, c))
temp5 = np.c_[a, c]
print(temp1)
print("-" * 20)
print(temp2)
print("-" * 20)
print(temp3)
print("-" * 20)
print(temp4)
print("-" * 20)
print(temp5)

[[ 1  2  3 10 12 13]
 [ 4  5  6 14 15 16]]
--------------------
[[ 1  2  3 10 12 13]
 [ 4  5  6 14 15 16]]
--------------------
[[ 1  2  3 10 12 13]
 [ 4  5  6 14 15 16]]
--------------------
[[ 1  2  3 10 12 13]
 [ 4  5  6 14 15 16]]
--------------------
[[ 1  2  3 10 12 13]
 [ 4  5  6 14 15 16]]

• 按行拼接

# 按行拼接
temp1 = np.concatenate((a, c), axis=0)
temp2 = np.append(a, c, axis=0)
temp3 = np.vstack((a, c))
temp4 = np.row_stack((a, c))
temp5 = np.r_[a, c]
print(temp1)
print("-" * 20)
print(temp2)
print("-" * 20)
print(temp3)
print("-" * 20)
print(temp4)

[[ 1  2  3]
 [ 4  5  6]
 [10 12 13]
 [14 15 16]]
--------------------
[[ 1  2  3]
 [ 4  5  6]
 [10 12 13]
 [14 15 16]]
--------------------
[[ 1  2  3]
 [ 4  5  6]
 [10 12 13]
 [14 15 16]]
--------------------
[[ 1  2  3]
 [ 4  5  6]
 [10 12 13]
 [14 15 16]]