【Numpy】02 高级技巧：数组操作与随机数生成

wcyd

已于 2024-05-31 16:59:11 修改

阅读量969

点赞数 20

分类专栏：数据分析文章标签： numpy

于 2024-05-29 09:22:32 首次发布

本人博客，供大家分享学习，如有需要，欢迎转载！

本文链接：https://blog.csdn.net/sinat_36192944/article/details/139283055

版权

数据分析专栏收录该内容

9 篇文章 0 订阅

订阅专栏

NumPy高级技巧：数组操作与随机数生成

简介

在本篇博客是基于NumPy基础入门：创建和管理多维数组之上，我们进一步探索NumPy的高级功能，包括数组的轴向操作和随机数生成。这些技巧将帮助您更深入地理解NumPy，并在数据处理中发挥重要作用。

数组的维度和轴向操作

NumPy中的数组可以有多个维度，每个维度称为一个轴（axis）。轴向操作允许我们沿着特定轴对数组进行计算，这在多维数据分析中非常有用。

想象一个二维数组，它就像是一个表格或者是一个矩阵。在这个矩阵中，你可以沿着行移动（横向），也可以沿着列移动（纵向）。在NumPy中，行和列分别对应于数组的两个轴：轴0和轴1。

轴的介绍

轴0：通常代表数组的行。如果你在轴0上操作，比如求和，那么你是在沿着行方向进行操作，这将得到一个新的数组，其形状的轴0将会减少一个维度（因为所有的行被合并了）。
轴1：通常代表数组的列。如果你在轴1上操作，比如求平均值，那么你是在沿着列方向进行操作，这将得到一个新的数组，其形状的轴1将会减少一个维度（因为所有的列被合并了）。

示例二维数组

让我们用一个更简单的二维数组来解释轴的概念。假设我们有一个二维数组 arr，形状为 (2, 3)，表示有两行三列。这个数组可以表示为：

[
  [1, 2, 3],
  [4, 5, 6]
]

在这个二维数组中，我们同样有两个轴：

轴0：代表行。沿着轴0进行操作，意味着我们在操作行。
轴1：代表列。沿着轴1进行操作，意味着我们在操作列。

轴向操作示例

假设我们有一个二维数组arr，我们可以使用arr.shape来查看数组的形状，这将告诉我们数组的维度和每个轴的长度：

import numpy as np

# 创建一个2x3的二维数组
arr = np.array([[1, 2, 3], [4, 5, 6]])
print("数组形状：", arr.shape)  # 输出：(2, 3)，表示有2行3列

如果我们想对数组进行轴向操作，比如求和，我们可以使用np.sum()函数，并指定axis参数：

# 沿着axis=0求和，即对每一列进行求和
sum_axis_0 = np.sum(arr, axis=0)
print("axis=0求和结果：", sum_axis_0)  # 输出：[5 7 9]，即列的和

# 沿着axis=1求和，即对每一行进行求和
sum_axis_1 = np.sum(arr, axis=1)
print("axis=1求和结果：", sum_axis_1)  # 输出：[ 6 15]，即行的和

沿着第一轴（轴0）求和：这将把两行合并，对每一列的元素进行求和。结果将是一个一维数组，长度为3，因为原来的数组有3列。
```
np.sum(arr, axis=0)
```
结果将是 [1+4, 2+5, 3+6]，即 [5, 7, 9]。
沿着第二轴（轴1）求和：这将把每一行的元素进行求和。结果将是一个一维数组，长度为2，因为原来的数组有2行。
```
np.sum(arr, axis=1)
```
结果将是 [1+2+3, 4+5+6]，即 [6, 15]。

除了求和，NumPy还支持其他轴向操作，如平均值（np.mean()）、最大值（np.max()）、最小值（np.min()）等。这些操作都可以指定axis参数来沿着特定的轴进行。

# 计算每一列的平均值
mean_axis_0 = np.mean(arr, axis=0)
print("axis=0平均值结果：", mean_axis_0)  # 输出：[2.5 3.5 4.5]，即每列的平均值

# 计算每一行的最大值
max_axis_1 = np.max(arr, axis=1)
print("axis=1最大值结果：", max_axis_1)  # 输出：[3 6]，即每行的最大值

轴向操作不仅限于二维数组，它们同样适用于更高维度的数组。例如，对于一个三维数组，你可以沿着第一个轴（axis 0）或第二个轴（axis 1）等进行操作。

# 创建一个3x2x2的三维数组
arr_3d = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]], [[9, 10], [11, 12]]])
print("三维数组形状：", arr_3d.shape)  # 输出：(3, 2, 2)，表示有3层，每层有2行2列

# 沿着第一个轴求和，结果是一个2x2的数组
sum_axis_0_3d = np.sum(arr_3d, axis=0)
print("axis=0求和结果（三维数组）：\n", sum_axis_0_3d)
# 输出：
# [[15 18]
#  [21 24]]
# 表示对第一个轴（层）的每个元素求和

打印和显示数组

当数组元素数量过多时，NumPy会智能地显示数组的中间部分，只展示数组的四个角落的元素数据，以便于快速理解数组内容。

生成随机数数组

随机数在数据分析和机器学习中扮演着重要角色。NumPy提供了多种生成随机数的方法：

np.random.random(size)：生成在[0, 1)区间内均匀分布的随机数。
np.random.rand(d0, d1, ..., dn)：生成给定形状的数组，数组元素值在[0, 1)区间内。
np.random.randn(d0, d1, ..., dn)：生成标准正态分布的随机数。
np.random.randint(low, high=None, size=None)：生成指定范围内的随机整数。

设置随机数种子

为了确保随机数生成的可重复性，NumPy提供了np.random.seed(seed)函数，通过设置相同的种子值，可以在不同次运行中生成相同的随机数序列。

综合示例

让我们通过一些示例来演示如何使用这些高级功能：

# 设置随机数种子以保证结果可重现
np.random.seed(42)

# 生成形状为(3, 4)的[0, 1)区间的均匀分布随机数数组
random_array = np.random.random((3, 4))
print("生成的随机数组：\n", random_array)

# 生成形状为(2, 2)的标准正态分布随机数数组
normal_array = np.random.randn(2, 2)
print("生成的标准正态分布随机数组：\n", normal_array)

# 生成10个[1, 100)区间的随机整数
random_integers = np.random.randint(1, 100, 10)
print("生成的随机整数：", random_integers)