目录

ndarray数组的转置（transpose）和轴对换1 .T2.transpose3.swapaxesndarray数据基本操作数组与标量的运算数组与数组的运算数组的索引与切片ndarray-布尔类型索引ndarray-花式索引：指的是利用整数数组进行索引的方式。ndarray-数组转置与轴对换ndarray-通用函数/常用函数一元函数二元函数ndarray-聚合函数np.where函数np.unique函数总结

ndarray数组的转置（transpose）和轴对换

转置可以对数组进行重置，返回的是源数据的视图（不会进行任何复制操作）。

(资料图片)

转置有三种方式，transpose方法、T属性以及swapaxes方法。

1 .T

import numpy as np
arr = np.arange(9).reshape((3,3))#生成一个3行3列的数组
print arr
[[0 1 2]
 [3 4 5]
 [6 7 8]]
print arr.T
[[0 3 6]
 [1 4 7]
 [2 5 8]]

2.transpose

对于高维数组，transpose需要用到一个由轴编号组成的元组，才能进行转置。

比如说三维的数组，那就对维度进行编号，也就是0,1,2。这里的0,1,2可以理解为对shape返回元组的索引。

比如

arr1 = np.arange(24).reshape(2,3,4)#生成一个2*3*4的数组
print arr1
[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]
 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]]
print arr1.shape #看形状
(2, 3, 4)        #说明这是一个2*3*4的数组（矩阵），返回的是一个元组，可以对元组进行索引，也就是0,1,2

transpose((1,0,2))的意义在于将 (2, 3, 4)转成 (3, 2, 4)，比如，数值12开始的索引是 [1,0,0]，变换后变成了 [0,1,0],如下图：

print arr1.transpose((1,0,2))
[[[ 0  1  2  3]
  [12 13 14 15]]
 [[ 4  5  6  7]
  [16 17 18 19]]
 [[ 8  9 10 11]
  [20 21 22 23]]]

3.swapaxes

swapaxes，它接受一对轴编号。进行轴对换。

arr1 = np.arange(24).reshape(2,3,4)
print arr1
[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]
 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]]
print arr1.swapaxes(1,0) #将第一个轴和第二个轴交换，对比transpose（1,0,2）
[[[ 0  1  2  3]
  [12 13 14 15]]
 [[ 4  5  6  7]
  [16 17 18 19]]
 [[ 8  9 10 11]
  [20 21 22 23]]]

ndarray数据基本操作

数组与标量的运算

arr1=np.random.random((2,3))

arr2=np.random.random((2,3))

arr3=np.random.random((3,2))

print(arr1)

# 加减乘除、乘方

print(arr1*2)

print()

print(arr1+2)

print()

print(arr1-2)

print()

print(arr1/2)

print()

print(arr1**2)

数组与数组的运算

# 加减乘除、乘方、数组的矩阵积

# 两个二维矩阵(行和列的矩阵)满足第一个矩阵的列数与第二个矩阵的行数相同，

# 那么可以进行矩阵的乘法，即矩阵积，矩阵积不是元素级的运算。也称为点积、数量积。

print(arr1+arr2)

print()

print(arr1-arr2)

print()

print(arr1*arr2)

print()

print(arr1/arr2)

print()

print(arr1**arr2)

print()

print(arr1.dot(arr3))

数组的索引与切片

# 定义一个3*3*3的数组

arr3=np.array([

    [[1,2,3],[4,5,6],[7,8,9]],

    [[10,11,12],[13,14,15],[16,17,18]],

    [[19,20,21],[22,23,24],[25,26,27]]

])

# 索引

print(arr3)

print("# # # # # # #arr3[0]# # # # # # # # # # # # # # ")

print(arr3[0])

print("# # # # # # #arr3[1] # # # # # # # # # # # # # ")

print(arr3[1])

print("# # # # # # # arr3[2] # # # # # # # # # # # # # # ")

print(arr3[2])

print("# # # # # # # arr3[0][0] # # # # # # # # # # # # # # ")

print(arr3[0][0])

print("# # # # # # # arr3[0][1] # # # # # # # # # # # # # # ")

print(arr3[0][1])

print("# # # # # # # arr3[0][2]# # # # # # # # # # # # # # ")

print(arr3[0][2])

print("# # # # # # # arr3[0][2][0] # # # # # # # # # # # # # # ")

print(arr3[0][2][0])

print("# # # # # # # arr3[0][2][1]# # # # # # # # # # # # # # ")

print(arr3[0][2][1])

print("# # # # # # # arr3[0][2][2]# # # # # # # # # # # # # # ")

print(arr3[0][2][2])

# 切片,,,在各维度上单独切片，如果纬度都保留，则使用冒号，不指定起始值

print("# # # # # # # arr3[0,:,0:2]# # # # # # # # # # # # # # ")

print(arr3[0,:,0:2])

print("# # # # # # # arr3[1,:,0:2]# # # # # # # # # # # # # # ")

print(arr3[1,:,0:2])

print("# # # # # # # arr3[2,:,0:2]# # # # # # # # # # # # # # ")

print(arr3[2,:,0:2])

print("# # # # # # # arr3[:,:,0:2]# # # # # # # # # # # # # # ")

print(arr3[:,:,0:2])

print("# # # # # # # arr3[:,0,0:2]# # # # # # # # # # # # # # ")

print(arr3[:,0,0:2])

print("# # # # # # # arr3[:,1,0:2]# # # # # # # # # # # # # # ")

print(arr3[:,1,0:2])

print("# # # # # # # arr3[:,2,0:2]# # # # # # # # # # # # # # ")

print(arr3[:,2,0:2])

ndarray-布尔类型索引

#  利用布尔类型的数组进行数据索引，最终返回的结果是对应索引数组中数据为True位置的值。

# numpy中不能使用Python中and、or、not，使用&（与）、|（或）、~（非）

arr6=np.random.random((3,4))

print(arr6)

print("# # # # # # ## #arr6>0.5得到的布尔值，为真则取该位置的值，否则就舍去 # # # # # # # # # ")

# A=arr6<0.5

A=arr6>0.5

print(A)

print("# # # # # # ## # # # # # #将对应的布尔值转换为一维数组 # # # # # # # # # # # # # # ## # ")

# 装换成一维数组

arr7=arr6[A]

print(arr7)

print(arr7.shape)


# 利用布尔值进行索引的一个应用实例

names=np.array(["Gerry","Tom","John"])

scores=np.array([

    [98,87,86,95],

    [48,84,84,45],

    [58,7,81,95]

])

class1=np.array(["语文","数学","英语","科学"])

print("Gerry score is:",scores[names=="Gerry"].reshape((-1)))

print("Gerry score is:",scores[names=="Gerry"].reshape((-1))[class1=="数学"])

print("Gerry和Tom的成绩")

print(scores[(names=="Gerry")|(names=="Tom")])

print("非Gerry和Tom的成绩")

print(scores[(names!="Gerry")&(names!="Tom")])

print("成绩大于90的全部输出")

print(scores[scores>90])

ndarray-花式索引：指的是利用整数数组进行索引的方式。

arr7=np.arange(40).reshape(5,8)

print(arr7)

print("获取第0、3、5行的数据")

print(arr7[[0,2,4]])

print("获取第(0,0)、(3,0)、(4,2)的数据")

print(arr7[[0,3,4],[0,0,2]])

print("获取第0、3、5行的第0、2、3列数据")

print(arr7[[0,3,4]].T[[0,1,2]].T)

print("ix_会产生一个索引器")

print(arr7[np.ix_([0,3,4],[0,1,2])])


# ndarray-花式索引：指的是利用整数数组进行索引的方式。

arr7=np.arange(40).reshape(5,8)

print(arr7)

print("获取第0、3、5行的数据")

print(arr7[[0,2,4]])

print("获取第(0,0)、(3,0)、(4,2)的数据")

print(arr7[[0,3,4],[0,0,2]])

print("获取第0、3、5行的第0、2、3列数据")

print(arr7[[0,3,4]])

print("##################")

print(arr7[[0,3,4]].T)

print("##################")

print(arr7[[0,3,4]].T[[0,1,2]])

print("##################")

print(arr7[[0,3,4]].T[[0,1,2]].T)

print("ix_会产生一个索引器")

print(arr7[np.ix_([0,3,4],[0,1,2])])

ndarray-数组转置与轴对换

# 数组转置是指将shape进行重置操作，并将其值重置为原始shape元组的倒置，

# 比如原始的shape值为:(2,3,4)，那么转置后的新元组的shape的值为: (4,3,2)f

# 可以通过调用数组的transpose函数或者T属性进行数组转置操作

arr=np.random.random(30).reshape(3,5,2)

print(arr)

print("#############################################")

arr1=arr.T

print(arr1)

print("#############################################")

arr2=np.transpose(arr1)

print(arr2)

ndarray-通用函数/常用函数

numpy模块中对ndarray中数据进行快速元素级运算的函数，也可以看做是简单的函数(接受一个或多个标量值，并产生一个或多个标量值)的矢量化包装器。主要包括一元函数和二元函数。

一元函数

arr3=np.array([

    [1,2,-3],

    [0.1,0.6,-0.4]

])

print(arr3)

print("#############################################")

# abs fabs计算绝对值

print(np.abs(arr3))

print("#############################################")

# sqrt 计算各元素的平方根

print(np.sqrt(abs(arr3)))

print("#############################################")

# square计算各元素的评分：arr3**2

print(np.square(arr3))

print("#############################################")

# exp计算各元素指数e的x次方

print(np.exp(arr3))

print("#############################################")

# log2、log10分别计算底数为10、2的log值，以及log(1+x)

print(np.log10(abs(arr3)))

print(np.log2(abs(arr3)))

print(np.log1p(abs(arr3)))

print("#############################################")

# sign计算各个元素的正负号,1:正号  0:0  -1:负号

print(np.sign(arr3))

print("#############################################")

# ceil 计算各个元素的ceil值,大于等于该值的最小整数

print(np.ceil(arr3))

print("#############################################")

# floor 计算各个元素的floor的值，小于等于该值的最大整数

print(np.floor(arr3))

print("#############################################")

# rint 将各个元素的四书五入到最接近的整数

print(np.rint(arr3)

print("#############################################")

# modf 将数组中元素的小数位和整数位以两部分独立数组的形式返回

print(np.modf(arr3))

print("#############################################")

# isnan 返回一个表示“那些值是NaN(不是一个数字)”的布尔类型数组

print(np.isnan(arr3))

print("#############################################")

# isfinite、isinf  分别一个表示”那些元素是有穷的(非inf、非NaN)”或者“那些元素是无穷的”的布尔型数组

print(np.isfinite(arr3))

print(np.isinf(arr3))

print("#############################################")

# cos、cosh、sin、sinh、tan、tanh  普通以及双曲型三角函数

print(np.tan(arr3))

print("#############################################")

# arccos、arccosh、arcsin、arcsinh、arctan、arctanh 反三角函数

print(np.arctan(arr3))

二元函数

arr4=np.array([

    [1,0,-3],

    [0.1,0.6,-0.4]

])

arr5=np.array([

    [2,-5,8],

    [-0.1,-0.6,0.4],

])

arr6=np.array([

    [2,-5,8],

    [-0.1,-0.6,0.4],

    [-0.1,-0.6,0.4]

])

print("#############################################")

# mod 取模运算,做除法运算之后的余数

print(np.mod(arr4,arr5))

print("#############################################")

# dot 求两个数组的点积

print(np.dot(arr4,arr6))

print("#############################################")

# greater(大于)、greater_equal（大于等于）、less（小于）、less_equal（小于等于）、equal（等于）、not_equal（不等于）

# 执行元素级别的比较运算，最终返回一个布尔型数组

print(np.greater(arr4,arr5))

print("#############################################")

# logical_and、logical_or、logical_xor

# 执行元素级别的布尔逻辑运算，相当于中缀运算符&、|、^

print(np.logical_and(arr4,arr5))

print(np.logical_xor(arr4,arr5))

print("#############################################")

# power 求解对数组中的每个元素进行给定次数的指数值，类似于: arr ** 3

print(np.power(arr3,4))

ndarray-聚合函数

聚合函数是对一组值(eg一个数组)进行操作，返回一个单一值作为结果的函数。

当然聚合函数也可以指定对某个具体的轴进行数据聚合操作；

#常将的聚合操作有：平均值mean、最大值max、最小值min、方差std等等

arr7=np.array([

    [2,-5,8],

    [-0.1,-0.6,0.4],

    [-0.1,-0.6,0.4]

])

print(np.mean(arr7))

print(np.max(arr7))

print(np.min(arr7))

print(np.std(arr7))

np.where函数

# np.where函数是三元表达式x if condition else y的矢量化版本

arr8=np.array([2,7,8])

arr9=np.array([-0.1,-0.6,0.4])

condition=arr8>arr

result=np.where(condition,arr8,arr9)

print(result)

np.unique函数

# np.unique函数的主要作用是将数组中的元素进行去重操作(也就是只保存不重复的数据)

arr10=np.array(["Python","Python","java"])

print(arr10)

print(np.unique(arr10))

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。

关键词：