分类:NumPy
numpy.where(condition[,x,y])numpy.where()有两种用法:1.np.where(condition,x,y)满足条件(condition),输出x,不满足输出y。如果是一维数组,相当于[xvifcelseyvfor(c,xv,yv)inzip(condition,x,y)]>>>aa=np.arange(10)>>>np.where(aa,1,-1)array([-1,1,1,1,1,1,1,1,1,1])#0为False,所以第一个输出-1>>>np.where(aa>5,1,-1)array([-1,-1,-1,-1,-1,-1,1,1,1,1])>>>np.where([[True,F...
继续阅读 >
numpy.random.rand(d0,d1,…,dn)的随机样本位于[0,1)中:本函数可以返回一个或一组服从**“0~1”均匀分布**的随机样本值。numpy.random.randn(d0,d1,…,dn)是从标准正态分布中返回一个或多个样本值。 1.np.random.rand()语法:np.random.rand(d0,d1,d2……dn)注:使用方法与np.random.randn()函数相同作用:通过本函数可以返回一个或一组服从“0~1”均匀分布的随机样本值。随机样本取值范围是[0,1),不包括1。应用:...
继续阅读 >
在处理numpy数组,有这个需求,故写下此文:使用np.argwhere和np.all来查找索引。要使用np.delete删除它们。示例1importnumpyasnpa=np.array([[1,2,0,3,0],[4,5,0,6,0],[7,8,0,9,0]])idx=np.argwhere(np.all(a[...,:]==0,axis=0))a2=np.delete(a,idx,axis=1)print(a2)"""[[123][456][789]]"""示例2importnumpyasnparray1=np.array([[1,0,1,0,0,0,0,0,0,1,1,0,0,0,1,1,0,1,0...
继续阅读 >
NumPy比一般的Python序列提供更多的索引方式。除了之前看到的用整数和切片的索引外,数组可以由整数数组索引、布尔索引及花式索引。整数数组索引以下实例获取数组中(0,0),(1,1)和(2,0)位置处的元素。importnumpyasnpx=np.array([[1,2],[3,4],[5,6]])y=x[[0,1,2],[0,1,0]]print(y)输出结果为:[1 4 5]以下实例获取了4X3数组中的四个角的元素。行索引是[0,0]和[3,3],而列索引是[0,2]和[...
继续阅读 >
问题你需要在大数据集(比如数组或网格)上面执行计算。解决方案涉及到数组的重量级运算操作,可以使用NumPy库。NumPy的一个主要特征是它会给Python提供一个数组对象,相比标准的Python列表而已更适合用来做数学运算。下面是一个简单的小例子,向你展示标准列表对象和NumPy数组对象之间的差别:>>>#Pythonlists>>>x=[1,2,3,4]>>>y=[5,6,7,8]>>>x*2[1,2,3,4,1,2,3,4]>>>x+10Traceback(mostrecentcall...
继续阅读 >