numpy数组某一行求和 python_Python利用Numpy数组进行数据处理（一）

一起学习，一起成长！

Numpy数组使你可以将许多种数据处理任务表达为简洁的数组表达式(否则需要编写循环)。用数组表达式代替循环的做法，通常被称为矢量化。

np.meshgrid函数接受两个一维数组，并产生两个二维矩阵(对应于两个数组中所有的(x,y)对)：

In[1]：point=np.arange(-5,5,0.01)

In[2]：point

Out[2]: array([-5. , -4.99, -4.98, ..., 4.97, 4.98, 4.99])

In[3]：xs,ys=np.meshgrid(point,point)

In[4]：xs #行维度展示

Out[4]:

array([[-5. , -4.99, -4.98, ..., 4.97, 4.98, 4.99],

[-5. , -4.99, -4.98, ..., 4.97, 4.98, 4.99],

[-5. , -4.99, -4.98, ..., 4.97, 4.98, 4.99],

...,

[-5. , -4.99, -4.98, ..., 4.97, 4.98, 4.99],

[-5. , -4.99, -4.98, ..., 4.97, 4.98, 4.99],

[-5. , -4.99, -4.98, ..., 4.97, 4.98, 4.99]])

In[5]：ys #列维度展示

Out[5]:

array([[-5. , -5. , -5. , ..., -5. , -5. , -5. ],

[-4.99, -4.99, -4.99, ..., -4.99, -4.99, -4.99],

[-4.98, -4.98, -4.98, ..., -4.98, -4.98, -4.98],

...,

[ 4.97, 4.97, 4.97, ..., 4.97, 4.97, 4.97],

[ 4.98, 4.98, 4.98, ..., 4.98, 4.98, 4.98],

[ 4.99, 4.99, 4.99, ..., 4.99, 4.99, 4.99]])

#编写表达式

z=np.sqrt(xs**2+ys**2)

plt.imshow报错，说matplotlib中没有imshow。

1.将条件逻辑表述为数组运算

numpy.where函数是三元表达式x if condition else y的矢量化版本。

In[6]：xarr=np.array([1.1,1.2,1.3,1.4,1.5])

In[7]：yarr=np.array([2.1,2.2,2.3,2.4,2.5])

In[8]：cond=np.array([True,False,True,True,False])

In[9]：result=np.where(cond,xarr,yarr)

In[10]：result

Out[10]: array([ 1.1, 2.2, 1.3, 1.4, 2.5])

#说明

cond：条件

xarr：满足条件，用xarr对应的值替换

yarr：不满足条件，用yarr对应的值替换。

np.where的第二个和第三个参数不必是数组，可以是标量值。在数据分析工作中，where通常用于根据另一个数组而产生一个新的数组。

#注意标量值的用法

In [18]: arr=np.random.randn(4,4)

In [19]: arr

Out[19]:

array([[ 0.34029727, -0.85125359, 0.84190462, 0.18978229],

[ 1.02542847, 1.06472262, 0.06243246, -0.62324965],

[ 1.04228861, -0.31963213, -0.48520624, -0.82195685],

[-1.37491946, 0.44900294, 0.35896568, 0.69315588]])

In [20]: np.where(arr>0,2,-2)

Out[20]:

array([[ 2, -2, 2, 2],

[ 2, 2, 2, -2],

[ 2, -2, -2, -2],

[-2, 2, 2, 2]])

#注意这里的用法，如果只改满足条件的，不该不满足条件的，则使用原数组

In [21]: np.where(arr>0,2,arr)

Out[21]:

array([[ 2. , -0.85125359, 2. , 2. ],

[ 2. , 2. , 2. , -0.62324965],

[ 2. , -0.31963213, -0.48520624, -0.82195685],

[-1.37491946, 2. , 2. , 2. ]])

「亲，如果笔记对您有帮助，收藏的同时，记得给点个赞、加个关注哦！感谢！」
「文中代码均亲测过，若有错误之处，欢迎批评指正，一起学习，一起成长！」

利用python进行数据分析