numpy的基础运算2-【老鱼学numpy】

numpy的基础运算中还有很多运算，我们这里再记录一些。

最小/大值索引

前面一篇博文中我们讲述过如何获得数组中的最小值，这里我们获得最小/大值的索引值，也就是这个最小/大值在整个数组中位于第几位。

import numpy as np
a = np.array([[10, 30, 15],
              [20, 5, 25]])
print("a=")
print(a)

print("最小值索引:", a.argmin())
print("最大值索引:", np.argmax(a))

输出为：

a=
[[10 30 15]
 [20  5 25]]
最小值索引: 4
最大值索引: 1

这就意味着这里最小值的索引号是4，也就是数组中第4位的值，也就是数值5。

平均值

import numpy as np
a = np.array([[10, 30, 15],
              [20, 5, 25]])
print("a=")
print(a)

print("平均值:", a.mean())

输出为：

a=
[[10 30 15]
 [20  5 25]]
平均值: 17.5

我们也可以通过axis参数来指定到底是在行上的平均值还是列上的平均值。

例如，我们使用axis=1来指示行上的平均值：

import numpy as np
a = np.array([[10, 30, 15],
              [20, 5, 25]])
print("a=")
print(a)

print("行平均值:", a.mean(axis=1))

输出为：

a=
[[10 30 15]
 [20  5 25]]
行平均值: [ 18.33333333  16.66666667]

累积求和

import numpy as np
a = np.array([10, 30, 15, 20, 5, 25])
print("a=")
print(a)

print("累积求和:", a.cumsum())

输出：

a=
[10 30 15 20  5 25]
累积求和: [ 10  40  55  75  80 105]

累差

import numpy as np
a = np.array([4, 6, 9, 1, 9])
print("a=")
print(a)

print("累差:", np.diff(a))

输出：

a=
[4 6 9 1 9]
累差: [ 2  3 -8  8]

输出结果就是后一个元素的值减去前一个元素的值，最终元素的个数少1。

找出非0的数

import numpy as np
a = np.array([[4, 0, 9],
              [1, 0, 8]])
print("a=")
print(a)

print("找出非零的数:", np.nonzero(a))

输出为：

a=
[[4 0 9]
 [1 0 8]]
找出非零的数: (array([0, 0, 1, 1], dtype=int64), array([0, 2, 0, 2], dtype=int64))

在上述的输出结果中表示的非0数是相应的索引位置，因为我们是二维数组，所以结果有两段，第一段表示某一维中的索引号，另一段表示的是另一维的索引号。

具体解读为其中的非零值位于：(0, 0), (0, 2), (1, 0), (1, 2)

也就是其中数字4、9、1、8所在的索引位置。

排序

import numpy as np
a = np.array([[4, 0, 9],
              [1, 0, 8]])
print("a=")
print(a)

print("排序结果:")
print(np.sort(a))

输出：

a=
[[4 0 9]
 [1 0 8]]
排序结果:
[[0 4 9]
 [0 1 8]]

转置矩阵

转置矩阵就是把行变成列，列变成行。例如：

import numpy as np
a = np.array([[4, 0, 9],
              [1, 0, 8]])
print("a=")
print(a)

print("转置矩阵:")
print(np.transpose(a))

输出为：

a=
[[4 0 9]
 [1 0 8]]
转置矩阵:
[[4 1]
 [0 0]
 [9 8]]

也可以用简写的方式：a.T，这个读者自己去试试吧。

截取矩阵中的数据

把矩阵中的数改变成只属于某个数据范围内的数，例如：

import numpy as np
a = np.array([[4, 6, 9],
              [1, 7, 8]])
print("a=")
print(a)

print("np.clip:")
print(np.clip(a, 3, 7))

输出为：

a=
[[4 6 9]
 [1 7 8]]
np.clip:
[[4 6 7]
 [3 7 7]]

这样就把其中的元素都设置成了3到7的范围之内的数，比3小的数被修改成了3，比7大的数被修改成了7。