一.对numpy中的nan的了解和对数组对象元素的修改和统计操作
1.numpy中nan的认识
nan全称是 not a number,意思是不是一个数字,并且nan不是整型,而是浮点型.
import numpy as np
s1=np.array(range(24)).reshape(4,6)
print(s1)
s1=s1.astype(float)#此处必须将数组元素类型转换为float类型才可以转换成nan
s1[2,3]=np.nan#将下标为第2行第3列的元素替换为nan
print(s1)
2.对数组对象中的元素的替换操作(2):
import numpy as np
s1=np.array(range(24)).reshape(4,6)
s1[:,0]=0#将第0列的元素都换成0
print(s1)
3.对数组对象中非零元素个数的统计:np.count_nonzero (对象)
import numpy as np
s1=np.array(range(24)).reshape(4,6)
print(np.count_nonzero(s1))
4.
import numpy as np
s1=np.array(range(24)).reshape(4,6)
print(s1!=s1)#打印出布尔类型的数据判断s1中的nan是否存在
print(np.count_nonzero(s1!=s1))#打印出nan的个数
print(np.isnan(s1))#判断s1中哪些值是nan
二.对数组对象的统计操作
import numpy as np
s1=np.array(range(24)).reshape(4,6)
print(s1)
print(np.sum(s1))#对s1整个数组的求和操作
print("*"*100)
print(np.sum(s1,axis=0))#对s1每一列的求和操作
print("*"*100)
print(np.sum(s1,axis=1))#对s1每一行的求和操作
print("*"*100)
print(s1.mean(axis=0))#对s1每一列求平均值
print("*"*100)
print(np.median(s1))#对s1全体求中值
print("*"*100)
print(s1.max())#求整个数组的最大值
print("*"*100)
print(s1.min())#求整个数组的最小值
print("*"*100)
print(np.ptp(s1))#求整个数组的最大值和最小值之差
print("*"*100)
print(s1.std())#求整个数组的标准差
找出数组对象中最大值的位置
找出数组对象中最小值的位置
import numpy as np
s1=np.array(range(12,24)).reshape(3,4)
print(np.argmax(s1))#找出最大值的位置
print(np.argmin(s1))#找出最小值的位置
三.数组对象之间的拼接
import numpy as np
s1=np.array(range(12)).reshape(3,4)
s2=np.array(range(12,24)).reshape(3,4)
print(np.vstack((s1,s2)))#上下拼接
print(np.hstack((s1,s2)))#左右拼接
四.更多好用的方法:
print(np.zeros((3,4)))#创建一个全为0的数组
print(np.ones((3,4)))#创建一个全为1的数组
print((np.eye(3)))#创建一个对角线为1的正方形数组
利用numpy产生随机数数组:
import numpy as np
print(np.random.randint(10,20,(4,5)))#产生一个最小值为10,最大值为19的4行5列的二维数组
print(np.random.uniform(10,20,(4,5)))#产生一个最小值为10,最大值为20的均匀分布的二维数组
有关复制的问题:
import numpy as np
s1=np.array(range(12,24)).reshape(3,4)
a=s1#完全不复制,a和s1相互影响
b=s1[:]#视图操作,一种切片,创建新的对象b,但是b的数据完全由s1掌控保管,b随着s1数据的变化而一致变化
c=s1.copy()#复制操作,将s1复制给c
更多方法小结: