Numpy学习入门II

Numpy学习入门（二）

ndarray数组转置

转置常见有两种方式，分别是：

• .transpose()方法
• .T属性

主要以二维数组为例，更高维的数组，目前还没有碰到应用的地方，暂时忽略。

>>> a = np.random.randn(3,3)
>>> a
array([[ 0.35475875, -1.10115755, -1.57129844],
       [-0.24260662, -0.1518372 , -0.01773038],
       [-0.6385935 , -0.8845019 , -1.17398045]])
>>> a.T
array([[ 0.35475875, -0.24260662, -0.6385935 ],
       [-1.10115755, -0.1518372 , -0.8845019 ],
       [-1.57129844, -0.01773038, -1.17398045]])
>>> a.transpose()
array([[ 0.35475875, -0.24260662, -0.6385935 ],
       [-1.10115755, -0.1518372 , -0.8845019 ],
       [-1.57129844, -0.01773038, -1.17398045]])

注意：

• 转置得到的是原数组的视图，而不是复制。

>>> b = a.T
>>> b
array([[ 0.35475875, -0.24260662, -0.6385935 ],
       [-1.10115755, -0.1518372 , -0.8845019 ],
       [-1.57129844, -0.01773038, -1.17398045]])
>>> b[b<0]=0
>>> b
array([[0.35475875, 0.        , 0.        ],
       [0.        , 0.        , 0.        ],
       [0.        , 0.        , 0.        ]])
>>> a
array([[0.35475875, 0.        , 0.        ],
       [0.        , 0.        , 0.        ],
       [0.        , 0.        , 0.        ]])

Numpy中的通用函数ufunc

Numpy中的ufunc函数指的是执行元素级运算的函数，即对每个元素完成相同的运算。包括一元运算和二元运算，其中二元运算一般要求两个ndarray的shape是一致的。
一元运算ufunc包括：

函数	说明
abs, fabs	整数、浮点数、复数的绝对值，若不是复数，fabs运算更快
sqrt	平方根
square	平方
exp	以e为底的指数
log, log10, log2, long1p	各个对数
sign	符号函数，1正数，0，-1负数
ceil, floor	上、下取整
rint	四舍五入取整
modf	将小数和整数部分以独立的数组返回
isnan, isfinite, isinf	是否为NaN，是否有穷，是否无穷
cos, cosh, sin, sinh, tan, tanh	三角函数
arccos, arccosh, arcsin, arcsinh, arctan, arctanh	反三角函数
logical_not	逻辑非，相当于~

二元运算ufunc包括：

函数	说明
add, substract, multiply, divide	加、减、乘、除，其实已经重载了+ - * /
power	乘方
maximum, fmax, minmum, fmin	最大，最小，其中fmax和fmin将忽略NaN
floor_divide, mode	整除和取模
copysign	将第一个的符号复制给第二个数组
greater, greater_equal, less, less_equal, equal, not_equal	比较运算
logical_and, logical_or, logical_xor	逻辑与、或、异或，已重载&、|、^