7个罕见的Numpy函数

7个罕见的Numpy函数！

本文介绍的是numpy中少见但是非常实用的7个函数。

In [1]:

1 2	import pandas as pd import numpy as np

np.where()

功能和TensorFlow中的where函数相同，下面介绍用法

In [2]:

1 2	m = np.arange(0,15,2) m

Out[2]:

1	array([ 0, 2, 4, 6, 8, 10, 12, 14])

In [3]:

1
2
3

# 情形1

np.where(m, 1, -1)

Out[3]:

1	array([-1, 1, 1, 1, 1, 1, 1, 1])

上面结果中如何m为真则输出1，否则输出-1。在m的取值中0代表的就是False，其他的为True。

In [4]:

1
2
3

# 情形2

np.where(m>=2,1,-1)

Out[4]:

1	array([-1, 1, 1, 1, 1, 1, 1, 1])

判断条件是m大于等于2，则输出1；否则输出-1

In [5]:

1
2
3

# 情形3

np.where(m>=2)

Out[5]:

1	(array([1, 2, 3, 4, 5, 6, 7]),)

当执行完条件后面没有规定输出的内容，直接输出满足要求数据的索引值

In [6]:

1	m[np.where(m>=2)]

Out[6]:

1	array([ 2, 4, 6, 8, 10, 12, 14])

np.random.RandomState.rand(维度)

返回[0,1)之间的随机数

In [7]:

1	rdm = np.random.RandomState(seed=1)

In [8]:

1	rdm.rand() # 返回单个0-1之间的数值

Out[8]:

1	0.417022004702574

如果不指定维度，就是返回0到1之间的某个数值

In [9]:

1	rdm.rand(2,3) # 指定维度 3*2

Out[9]:

1 2	array([[7.20324493e-01, 1.14374817e-04, 3.02332573e-01], [1.46755891e-01, 9.23385948e-02, 1.86260211e-01]])

In [10]:

1	rdm.rand(4,3) # 4*3

Out[10]:

array([[0.34556073, 0.39676747, 0.53881673],
       [0.41919451, 0.6852195 , 0.20445225],
       [0.87811744, 0.02738759, 0.67046751],
       [0.4173048 , 0.55868983, 0.14038694]])

np.vstack()

将两个数值按垂直方向叠加

1	np.vstack(array1, array2)

In [11]:

1 2	array1 = np.array([1,2,3]) array2 = np.array([2,3,4])

In [12]:

1	np.vstack([array1,array2])

Out[12]:

1 2	array([[1, 2, 3], [2, 3, 4]])

In [13]:

array3 = np.array([[1,2,3],
                   [4,5,6]
                  ])
array4 = np.array([[5,6,7],
                   [8,9,10]
                  ])

In [14]:

1	np.vstack([array3,array4])

Out[14]:

array([[ 1,  2,  3],
       [ 4,  5,  6],
       [ 5,  6,  7],
       [ 8,  9, 10]])

np.mgrid()

np.mgrid[起始值:结束值:步长, 起始值:结束值:步长]

In [15]:

1	import numpy as np

In [16]:

1	x,y = np.mgrid[1:4:1, 2:4:0.5]

In [17]:

Out[17]:

1
2
3

array([[1., 1., 1., 1.],
       [2., 2., 2., 2.],
       [3., 3., 3., 3.]])

In [18]:

Out[18]:

1
2
3

array([[2. , 2.5, 3. , 3.5],
       [2. , 2.5, 3. , 3.5],
       [2. , 2.5, 3. , 3.5]])

.ravel()

将多维数组拉直成为一维

In [19]:

x.ravel()

Out[19]:

1	array([1., 1., 1., 1., 2., 2., 2., 2., 3., 3., 3., 3.])

In [20]:

y.ravel()

Out[20]:

1	array([2. , 2.5, 3. , 3.5, 2. , 2.5, 3. , 3.5, 2. , 2.5, 3. , 3.5])

.flatten()

和上面的ravel效果相同

In [21]:

1	x.flatten()

Out[21]:

1	array([1., 1., 1., 1., 2., 2., 2., 2., 3., 3., 3., 3.])

In [22]:

1	y.flatten()

Out[22]:

1	array([2. , 2.5, 3. , 3.5, 2. , 2.5, 3. , 3.5, 2. , 2.5, 3. , 3.5])

np.c_

将数值之间的值进行配对

In [23]:

1	np.c_[x.ravel(), y.ravel()]

Out[23]:

array([[1. , 2. ],
       [1. , 2.5],
       [1. , 3. ],
       [1. , 3.5],
       [2. , 2. ],
       [2. , 2.5],
       [2. , 3. ],
       [2. , 3.5],
       [3. , 2. ],
       [3. , 2.5],
       [3. , 3. ],
       [3. , 3.5]])