02-numpy计算-CSDN博客

本文链接：https://blog.csdn.net/2401_87633706/article/details/144621009

前言

NumPy广播是一种强大的机制，允许NumPy在执行算术运算时处理不同形状的数组。当进行数组运算如加、减、乘、除时，通常这些操作是在数组的对应元素上进行的。如果两个数组形状完全相同，那么这些运算就会无缝执行。但是，当涉及到形状不同的数组时，NumPy的广播规则就会发挥作用。

NumPy 广播是 NumPy 中的一个重要概念，它允许两个形状不同的数组进行运算。两个数组的后缘维度相同，或者在其中一方的维度为1。广播在缺失或者长度为1的维度上补充。

一、广播的规则

NumPy在执行广播时遵循一组特定的规则：

如果两个数组的维数不同，较小维度数组的形状将在最左边补1。
如果两个数组的形状在任何一个维度上都不匹配，那么数组的形状会沿着维度为1的维度扩展以匹配另外一个数组的形状。
如果在任何一个维度上，两个数组的大小既不相等也没有一个是1，那么会引发异常，因为它们被认为是不兼容的。

二、使用步骤

1.索引及切片

对象[i, j]

对象[行的开始索引:行的结束索引,列的开始索引:列的结束索引]

第一个值索引的是第几行，第二个值索引的是第几列

代码如下（示例）：

ar4 = np.arange(5,20)
print(ar4)
# 取9
print(ar4[4])
# 取9到12
print(ar4[4:8])
# 取所有的偶数
print(ar4[1::2])
# 第一行
print(ar5[0]) # 默认的是行
# 取5
print(ar5[1][1])
print(ar5[1,1])  # 逗号前代表行，逗号后代表列
# 取5 6 9 10
print(ar5[1:3,1:3])  # 结束索引不包括
print(ar5[1:3])

2.筛选where

# np.where(条件,条件为真输出的结果,条件为假输出的结果)
arr6 = np.random.randn(4,4)
np.where(arr6>0,3,-3)

arr7 = np.array([2,5,7,9,10])
np.where(arr7>7)  # 返回的是满足条件的下标

3.查

any:检查数组中至少有一个True

all:检查是否每个值都是True

4.排序

（1）sort:

import numpy as np

a = np.array([3, 4, 2, 0, 1])
print(a)

a_sort = np.sort(a)
print(a_sort)
# [0 1 2 3 4]
print(a)
# [3 4 2 0 1]

如果要降序使用切片[::-1]

np.sort(a)[::-1]

（2）argsort

import numpy as np
a = np.array([5, 4, 2, 0, 1, 7, 9])
#返回的是下标
a_sort = np.argsort(a)
#下标取值返回排序后的数组      
print(a[a_sort])

5.去重unique

6.包含isin-返回布尔数组

import numpy as np
ar1 = np.array([5, 4, 2, 0, 1, 7, 9])
ar2 = [0,2]
print(np.isin(ar1,[2, 3]))
#测试每一个元素是否存在与第二个数组中，返回布尔值
mask = np.isin(ar1,ar2)
print(mask)

#展示符合条件的第一个数组中的元素
tong = ar1[mask]
print(tong)
#展示不符合条件的第一个数组中的元素
tong = ar1[~mask]
print(tong)

三、axis参数

axis=0代表行

axis=1代表列

四、科学计算

1.常用统计函数

求和：sum

平均水平、一般水准：average

平均数、均值：mean

乘积：prod

累积和：cumsum

累积乘积：cumprod

中位数：median

方差：var

标准差：std

百分位数：percentile

分位数：quantile

exam_scores = np.array([85, 78, 92, 88, 70, 95, 80, 85, 90, 78, 84, 88, 92, 86, 75])
# 平均数
mean_score= np.mean(exam_scores)
print(mean_score)
print(np.median(exam_scores))
# 标准差
print(np.std(exam_scores))
# 统计高于平均分的人数
print(np.sum(exam_scores>mean_score))
# 找最高分和最低分
print(np.max(exam_scores))
print(np.min(exam_scores))