numpy使用数组进行数据处理
meshgrid函数
理解:
二维坐标系中,X轴可以取三个值1,2,3,Y轴可以取三个值7,8,请问可以获得多少个点的坐标?
显而易见是6个:
(1,7)(2,7)(3,7)
(1,8)(2,8)(3,8)
>>> import numpy as np#导入numpy >>> a=np.array([1,3])#创建一维数组 >>> b=np.array([7,8]) >>> res=np.meshgrid(a,b)#获取所有点的横坐标和纵坐标 >>> res#返回list,有两个元素,第一个元素是X轴的取值,第二个元素是Y轴的取值 [array([[1,3],[1,3]]),array([[7,7,7],[8,8]])]
生成坐标绘制图像:
>>> import numpy as np
>>> points=np.arange(-5,5,0.01)#从-5到5步长为0.01
>>> xs,ys=np.meshgrid(points,points)
>>> ys
array([[-5.,-5.,...,-5. ],[-4.99,-4.99,-4.99],[-4.98,-4.98,-4.98],[ 4.97,4.97,4.97],[ 4.98,4.98,4.98],[ 4.99,4.99,4.99]])
>>> z=np.sqrt(xs**2+ys**2)#函数的求值运算
>>> z
array([[7.07106781,7.06400028,7.05693985,7.04988652,7.06400028],[7.06400028,7.05692568,7.04985815,7.04279774,7.05692568],[7.05693985,7.04278354,7.03571603,7.04985815],[7.04988652,7.0286414,7.04279774],7.05692568]])
>>> import matplotlib.pyplot as plt
>>> plt.imshow(z,cmap=plt.cm.gray); plt.colorbar()
<matplotlib.image.AxesImage object at 0x00000000087D6EB8>
<matplotlib.colorbar.Colorbar object at 0x000000000D8F4FD0>
>>> plt.title("Image plot of $\sqrt{x^2 + y^2}$ for a grid of values")
Text(0.5,1.0,'Image plot of $\\sqrt{x^2 + y^2}$ for a grid of values')
>>>plt.show()
将条件逻辑表述为数组运算
根据cond中的值来对数组进行选取，如果cond中的值为True，那么就选择x中对应的值，否则就选择y中对应的值，比如cond[0]=True,那么result[0]处应当放置yarr[0]的值
>>> xarr=np.array([1.1,1.2,1.3,1.4,1.5]) >>> yarr=np.array([2.1,2.2,2.3,2.4,2.5]) >>> cond=np.array([True,False,True,False]) >>> result=[(x if c else y) for x,y,c in zip(xarr,yarr,cond)] >>> result [1.1,2.5]
where方法
使用矢量
where方法可以取代上面的写法
>>> result=np.where(cond,xarr,yarr) >>> result array([1.1,2.5])
使用标量
np.where的第二个和第三个参数不必是数组，它们都可以是标量值。在数据分析工作中，where通常用于根据另一个数组而产生一个新的数组。假设有一个由随机数据组成的矩阵，你希望将所有正值替换为2，将所有负值替换为－2。若利用np.where，则会非常简单：
>>> arr=np.random.randn(4,4) >>> arr array([[-0.02461196,-0.11867552,0.49004256,-0.25236766],[ 1.66484493,-0.41180743,-0.34837293,-2.61422661],[ 0.51476568,-0.41451909,1.28553372,0.13866799],[-0.94795594,-1.49302099,1.18480636,0.20310613]]) >>> arr>0 array([[False,False],[ True,True],[False,True]]) >>> np.where(arr>0,-2) array([[-2,-2,-2],[ 2,2],[-2,2]])
标量矢量结合
如果对应位置是True,那么新的数组对应位置为2，否则就还是原来的数值
>>> np.where(arr>0,arr) array([[-0.02461196,2.,[ 2.,2. ],2. ]])
数学统计方法
mean函数
对所有的元素求均值
>>> import numpy as np >>> arr=np.array([[1,[4,6],[7,9]]) >>> arr.mean() 5.0
>>> np.mean(arr) 5.0
sum函数
对所有元素求和
>>> arr.sum() 45
可选轴求值
>>> arr.mean(axis=1)#列求平均值 array([2.,5.,8.]) >>> arr.mean(axis=0)#行求平均值 array([4.,6.]) >>> arr.sum(axis=0) array([12,15,18])#行求和 >>> arr.sum(axis=1) array([ 6,24])#列求和
cumsum函数
1.对于一维输入a（可以是list，可以是array，假设a=[1,4,6,7] ，就是当前列之前的和加到当前列上，如下：
>>>import numpy as np >>> a=[1,7] >>> np.cumsum(a) array([ 1,10,21,28,36,45,55,75,105])
2.对于二维输入a，axis=0(第1行不动，将第1行累加到其他行)；axis=1(进入最内层，转化成列处理。第1列不动，将第1列累加到其他列)，如下：
>>>import numpy as np >>> c=[[1,9]] >>> np.cumsum(c,axis=0) array([[ 1,[ 5,9],[12,18]]) >>> np.cumsum(c,axis=1) array([[ 1,[ 4,9,15],[ 7,24]])
cumprod函数
累乘方法同理
>>> arr.cumprod(axis=1) array([[ 1,[ 4,20,120],[ 7,56,504]],dtype=int32)