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

本文介绍了如何使用Numpy进行数据处理,包括np.meshgrid函数创建二维矩阵,以及np.where函数进行条件运算。通过实例展示了如何在满足特定条件时替换数组元素,并解释了标量值的使用方法。
摘要由CSDN通过智能技术生成
7bc34d75b3193b08d10d5a8b81b90d38.png

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

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值