1、np.where()
where 是条件函数,可以指定满足条件与不满足条件位置对应的填充值:
a = np.array([-1, -1, -1, 0])
np.where(a>0, a, 5) # 当对应的条件为True时填充a对应元素,佛则填充5
结果显示:
array([5, 1, 5, 5])
2、nonzero,argmax,argmin
三个函数都是索引,argmax和argmin返回的是该值的下标
nonzero是返回非零数的索引
argmax返回的是最大数的索引
argmin返回最大和最小数的索引
【nonzero】
a = np.array([-2, -5, 0, 1, 3, -1])
np.nonzero(a)
输出结果:
(array([0, 1, 3, 4, 5], dtype=int64),)
【argmax】
a.argmax()
输出结果:
4
【argmin】
a.argmin()
输出结果:
1
3、any, all
any指当序列 至少存在一个True或非零元素时返回True,否则返回Fasle
all指当序列元素 全为True或非零元素时返回True,否则返回Fasle
a = np.array([0,1])
a.any()
# 结果显示:True
a.all()
# 结果显示:False
4、cumprod,cumsum,diff
cumprod, cumsum 分别表示累乘和累加函数,返回同长度的数组, diff 表示和前一个元素做差,由于第一个元素为缺失值,因此在默认参数情况下,返回长度是原数组减 1
a = np.array([1,2,3])
a.cumprod()
# 结果显示:array([1, 2, 6], dtype=int32)
a.cumsum()
# 结果显示:array([1, 3, 6], dtype=int32)
np.diff(a)
# 结果显示:array([1, 1])
5、统计函数
最大值:array.max()
最小值:array.min()
算数平均值:array.mean()
标准差:array.std()
方差:array.var()
求和:array.sum()
分位数:np.quantile(array, 分位点)
协方差:np.cov(array1, array2)
相关系数:np.corrcoef(array1, array2)