numpy 拼接_python数据分析—>numpy(3)

Numpy数组计算

数组之所以重要是因为它允许我们进行批量操作数据并没有任何for循环也被称为向量化。

数组与标量的算术操作

数组与标量的算术操作会把计算参数传递给数组的每一个元素。

两个等尺寸数组的算术操作

两个等尺寸数组的算术操作实际上是逐元素操作。

广播机制

广播机制规则：如果对于每个结尾维度(即从尾部开始的)，轴长度都匹配或者长度都是1，两个二维数组就是可以进行广播的。之后，广播会在丢失的或者长度为1的轴上进行。

数组维度不同，结尾轴长度一致

• 在其丢失的轴上进行，也就是0轴广播

数组维度相同，其中有个轴长度为1

• 在其长度为1轴上进行，此处也就是1轴广播

注意

• 维度完全不一致，则无法广播。

数组拼接

• np.vstack() 垂直拼接

• np.hstack() 水平拼接

注意

• 水平拼接需要对应行数一致,垂直拼接需要对应列数一致。

切片

一维索引与切片

同python中的内建数据类型list一致。

注意

• 索引默认从0开始
• 切片左闭右开
• 步长为整数

二维索引与切片

• 二维数组递归方式获取
• 二维数组逗号分隔获取(行,列)
  • 取单行 arr[x1,:]

• • 取连续行 arr[x1:x2,:]

• • 取分开行 arr[[x1,x2],:]

• • 取子矩阵 arr[x1:x2,y1:y2]

• • 取点 arr[[x1,x2],[y1,y2]]

注意

• 当有需要修改数组当中的值时，我们可以直接取值进行赋值。

• 当数组与标量进行比较时，数组当中每个元素与标量进行比较，返回bool值。与此同时,该比较也可以作为索引，被称为布尔索引。比如arr[arr>20]

将条件逻辑作为数组操作

numpy.where()函数是三元表达式 x if condition else y 的向量化版本。

• np.where(condition, [x, y]) # 当满足条件，执行x，否则执行y