1.对数组进行排序
>>import numpy as np
>>x=np.array([[0,12,48],[4,14,18],[1,7,99]])
#灵活应用索引和切片实现按索引的排序
#倒序的实现 只是对行 (普通列表也可用reverse实现,numpy则没有这个方法)
>>x[::-1]
array([[ 1, 7, 99],
[ 4, 14, 18],
[ 0, 12, 48]])
#指定顺序的实现(传入用于指定顺序的整数列表或nparray即可)
>>x[[2,0,1]]
array([[ 1, 7, 99],
[ 0, 12, 48],
[ 4, 14, 18]])
>>x[[2,0,1],[0,2,1]] #只是截取部分元素,并不符合排序要求
array([ 1, 48, 14])
>>x[[2,0,1]][:,[0,2,1]] #全部元素截取
array([[ 1, 99, 7],
[ 0, 48, 12],
[ 4, 18, 14]])
>>x[np.ix_([2,0,1],[0,2,1])] #np.ix_函数将两个一维数组转化为用于选取方形区域的索引器
array([[ 1, 99, 7],
[ 0, 48, 12],
[ 4, 18, 14]])
#注意这里是将列与行都进行了变化
1.2使用argpartition进行排序
import numpy as np
a = np.array([9, 4, 4, 3, 3, 9, 0, 4, 6, 0])
a[np.argpartition(a, -5)[-5:]]
>> array([4, 4, 9, 6, 9])
对top5进行输出 对比top5前小的放前面,大的放后面 并且返回值是下标索引
2.numpy多维度求和操作的维度控制问题
np.max(a, axis = 0)
指的是对每列取最大值
axis = 1 是每一行的最大值
但是都是按照行向量的方式输出的可以通过
3.借助 itertools 进行序列填充
from itertools import zip_longest
padded_seqs = np.array(list(zip_longest(*short_seq,fillvalue=0))).transpose()
4. np.newaxis
输出时增加一个维度
>> x = np.arange(3)
>> x
array([0, 1, 2])
>> x.shape
(3,)
>> x[:, np.newaxis]
array([[0],
[1],
[2]])
>> x[:, np.newaxis].shape
(3, 1)