![7bc34d75b3193b08d10d5a8b81b90d38.png](https://i-blog.csdnimg.cn/blog_migrate/ecc1990fc96754059fe9b79d87863177.jpeg)
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