Numpy 模块-常用(间隔索引、数学运算符、数学函数、比较运算符、统计函数、随机数生成，位运算)

江南野栀子

已于 2024-04-23 09:53:55 修改

阅读量392

点赞数

分类专栏： # Python 数据分析文章标签： python numpy 数据分析

于 2021-10-30 17:42:58 首次发布

本文链接：https://blog.csdn.net/u010701274/article/details/121052638

版权

Python 数据分析专栏收录该内容

22 篇文章 26 订阅

订阅专栏

上一篇 Numpy 模块简介_一分耕耘一分收获-CSDN博客

在上一篇中简单说了ndarray的一维数组和二维数组，这一篇主要讲二维数组的常用函数

一、常用函数

1. 间隔索引（花式索引）

一般的索引方式已经在上一篇讲过，其中提过一维数组的间隔索引。现在说说二维数组的间隔索引，又叫花式索引，指的是利用整数数组进行索引。

花式索引根据索引数组的值作为目标数组的某个轴的下标来取值。对于使用一维整型数组作为索引，如果目标是一维数组，那么就是对应位置的元素，如果目标是二维数组，那么索引的结果就是对应下标的行。

直接上代码吧

import numpy as np
#构造一个 8 行 4 列的 ndarray，二维数组
x=np.arange(32).reshape((8,4))
print(x)

运行结果是

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 14 15]
 [16 17 18 19]
 [20 21 22 23]
 [24 25 26 27]
 [28 29 30 31]]

进行花式索引

print (x[[4,2,1,7]])

运行结果是

[[16 17 18 19]
 [ 8  9 10 11]
 [ 4  5  6  7]
 [28 29 30 31]]

可以看到得到的结果依然是一个二维数组，其中分布是原来二维数组的第 5、3、2、8 行（索引值从 0 开始计算），这种简单的[[index1,index2,....]]花式索引一定要记牢。

2. 数学运算符

先说常用的+,-,*,%,**吧，看一遍代码运行就明白了，在以前对列表 list 或者元组 tuple里面每个数组进行操作时候，你可能用过lambda、map、reduce、filter 等等函数可能，用过[ ] 中括号，当时觉得代码已经很优美简单，但是遇上 Numpy，那些都是浮云。

#数学运算符
print("*"*40)
print(x)
print("*"*40)
print(x+3)
print("*"*40)
print(x*2)
print("*"*40)
print(x%2)
print("*"*40)
print(x**2)

运行结果是

****************************************
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 14 15]
 [16 17 18 19]
 [20 21 22 23]
 [24 25 26 27]
 [28 29 30 31]]
****************************************
[[ 3  4  5  6]
 [ 7  8  9 10]
 [11 12 13 14]
 [15 16 17 18]
 [19 20 21 22]
 [23 24 25 26]
 [27 28 29 30]
 [31 32 33 34]]
****************************************
[[ 0  2  4  6]
 [ 8 10 12 14]
 [16 18 20 22]
 [24 26 28 30]
 [32 34 36 38]
 [40 42 44 46]
 [48 50 52 54]
 [56 58 60 62]]
****************************************
[[0 1 0 1]
 [0 1 0 1]
 [0 1 0 1]
 [0 1 0 1]
 [0 1 0 1]
 [0 1 0 1]
 [0 1 0 1]
 [0 1 0 1]]
****************************************
[[  0   1   4   9]
 [ 16  25  36  49]
 [ 64  81 100 121]
 [144 169 196 225]
 [256 289 324 361]
 [400 441 484 529]
 [576 625 676 729]
 [784 841 900 961]]

3. 比较运算符和相关函数

符号	函数	含义
>	np.greater(arr1,arr2)	判断arr1的元素是否大于arr2的元素
>=	np.greater_equal(arr1,arr2)	判断arr1的元素是否大于等于arr2的元素
<	np.less(arr1,arr2)	判断arr1的元素是否小于arr2的元素
<=	np.less_equal(arr1,arr2)	判断arr1的元素是否小于等于arr2的元素
==	np.equal(arr1,arr2)	判断arr1的元素是否等于arr2的元素
!=	np.not_equal(arr1,arr2)	判断arr1的元素是否不等于arr2的元素

同样上代码

#创建两个 ndarray

a=np.arange(10)
b=np.array(list(range(5,15)))
print(a)
print(b)

#算数比较
print(a < b )
print(a <=b )
print(a >b )
print(a >=b )
print(a != b)
print(a == b)
print(np.less(a,b))
print(np.less_equal(a,b))
print(np.greater(a,b))
print(np.greater_equal(a,b))
print(np.not_equal(a,b))
print(np.equal(a,b))

运行结果是

[0 1 2 3 4 5 6 7 8 9]
[ 5  6  7  8  9 10 11 12 13 14]

[ True  True  True  True  True  True  True  True  True  True]
[ True  True  True  True  True  True  True  True  True  True]
[False False False False False False False False False False]
[False False False False False False False False False False]
[ True  True  True  True  True  True  True  True  True  True]
[False False False False False False False False False False]
[ True  True  True  True  True  True  True  True  True  True]
[ True  True  True  True  True  True  True  True  True  True]
[False False False False False False False False False False]
[False False False False False False False False False False]
[ True  True  True  True  True  True  True  True  True  True]
[False False False False False False False False False False]

4. 常用的数学函数

太简单了，不写代码了

函数	函数说明
np.round(arr)	对各元素四舍五入
np.sqrt(arr)	计算各元素的算术平方根
np.square(arr)	计算各元素的平方值
np.exp(arr)	计算以e为底的指数
np.power(arr, α)	计算各元素的指数
np.log2(arr)	计算以2为底各元素的对数
np.log10(arr)	计算以10为底各元素的对数
np.add(arr1,arr2)	arr1,arr2 各个元素相加， arr2也可以是某个具体的数值
np.subtract(arr1,arr2)	arr1,arr2 各个元素相减， arr2也可以是某个具体的数值
np.multiply(arr1,arr2)	arr1,arr2 各个元素相乘， arr2也可以是某个具体的数值
np.divide(arr1,arr2)	arr1,arr2 各个元素相除， arr2也可以是某个具体的数值

5. 常用的统计函数

请注意下面每个函数都有一个参数 axis，即轴，轴是指数据的方向；

axis=0时，计算数组各列的统计值；

axis=1时，计算数组各行的统计值

不指定 axis，即默认时候，是对所有元素进行统计

函数	函数说明
np.min(arr,axis)	按照轴的方向计算最小值
np.mean(arr,axis)	按照轴的方向计算平均值
np.max(arr,axis)	按照轴的方向计算最大值
np.median(arr,axis )	按照轴的方向计算中位数
np.sum(arr,axis)	按照轴的方向计算和
np.std(arr,axis)	按照轴的方向计算标准差
np.var(arr,axis)	按照轴的方向计算方差

直接上代码吧

#创建二维数组，5行6列
a=np.arange(30).reshape((5,6))
print(a)

print("-"*40)
print(np.min(a))         # 没有axis参数时候，默认是对所有元素进行统计
print(np.min(a,axis=0))  # axis = 0 ，对列进行统计
print(np.min(a,axis=1))  # axis = 1 ，对行进行统计

print("-"*40)
print(np.max(a))
print(np.max(a,axis=0))
print(np.max(a,axis=1))

print("-"*40)
print(np.mean(a))
print(np.mean(a,axis=0))
print(np.mean(a,axis=1))

print("-"*40)
print(np.sum(a))
print(np.sum(a,axis=0))
print(np.sum(a,axis=1))

运行结果是

[[ 0  1  2  3  4  5]
 [ 6  7  8  9 10 11]
 [12 13 14 15 16 17]
 [18 19 20 21 22 23]
 [24 25 26 27 28 29]]
----------------------------------------
0
[0 1 2 3 4 5]
[ 0  6 12 18 24]
----------------------------------------
29
[24 25 26 27 28 29]
[ 5 11 17 23 29]
----------------------------------------
14.5
[12. 13. 14. 15. 16. 17.]
[ 2.5  8.5 14.5 20.5 26.5]
----------------------------------------
435
[60 65 70 75 80 85]
[ 15  51  87 123 159]

6. 随机数生成

np.random 可以类似于random模块使用，常见的函数如下，需要的同学自己研究，不上代码了。

# 随机整数 np.random.randint()

# 随机均匀分布 np.random.randuniform()

# 随机正态分布 np.random.normal( ）

7. 位运算操作符和相关函数

NumPy "bitwise_" 开头的函数是位运算函数。

NumPy 位运算包括以下几个函数：

	函数	描述
&	`bitwise_and`	对数组元素执行位与操作
\|	`bitwise_or`	对数组元素执行位或操作
~	`invert`	按位取反
<<	`left_shift`	向左移动二进制表示的位
>>	`right_shift`	向右移动二进制表示的位

江南野栀子

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
打赏
0
评论
Numpy 模块-常用(间隔索引、数学运算符、数学函数、比较运算符、统计函数、随机数生成，位运算)

目录一、常用函数1. 间隔索引（花式索引）2. 数学运算符3. 比较运算符和相关函数4. 常用的数学函数5. 常用的统计函数6. 随机数生成7. 位运算操作符和相关函数上一篇Numpy 模块简介_一分耕耘一分收获-CSDN博客在上一篇中简单说了ndarray的一维数组和二维数组，这一篇主要讲二维数组的常用函数一、常用函数1. 间隔索引（花式索引）一般的索引方式已经在上一篇讲过，其中提过一维数组的间隔索引。现在说说二维数组的间隔索引，又叫花式索引，...
复制链接

扫一扫