一、NumPy 排序、条件刷选函数

二、NumPy 字节交换

三、NumPy 副本和视图

四、NumPy 矩阵库(Matrix)

五、NumPy 线性代数

六、NumPy IO

七、NumPy Matplotlib

一、NumPy 排序、条件刷选函数

numpy.argsort() 函数返回的是数组值从小到大的索引值。

numpy.lexsort() 用于对多个序列进行排序。把它想象成对电子表格进行排序，每一列代表一个序列，排序时优先照顾靠后的列。这里举一个应用场景：小升初考试，重点班录取学生按照总成绩录取。在总成绩相同时，数学成绩高的优先录取，在总成绩和数学成绩都相同时，按照英语成绩录取…… 这里，总成绩排在电子表格的最后一列，数学成绩在倒数第二列，英语成绩在倒数第三列。

numpy.argmax() 和 numpy.argmin()函数分别沿给定轴返回最大和最小元素的索引。

numpy.nonzero() 函数返回输入数组中非零元素的索引。

numpy.where() 函数返回输入数组中满足给定条件的元素的索引。

numpy.extract() 函数根据某个条件从数组中抽取元素，返回满条件的元素。

import numpy as np x = np.arange(9.).reshape(3,  3)
print ('我们的数组是：')
print (x)
# 定义条件, 选择偶数元素
condition = np.mod(x,2)  ==  0
print ('按元素的条件值：')
print (condition)
print ('使用条件提取元素：')
print (np.extract(condition, x))

二、NumPy 字节交换

略

三、NumPy 副本和视图

副本是一个数据的完整的拷贝，如果我们对副本进行修改，它不会影响到原始数据，物理内存不在同一位置。

视图是数据的一个别称或引用，通过该别称或引用亦便可访问、操作原有数据，但原有数据不会产生拷贝。如果我们对视图进行修改，它会影响到原始数据，物理内存在同一位置。

视图一般发生在：

1、numpy 的切片操作返回原数据的视图。
2、调用 ndarray 的 view() 函数产生一个视图。

副本一般发生在：

Python 序列的切片操作，调用deepCopy()函数。
调用 ndarray 的 copy() 函数产生一个副本。

四、NumPy 矩阵库(Matrix)

NumPy 中包含了一个矩阵库 numpy.matlib，该模块中的函数返回的是一个矩阵，而不是 ndarray 对象。

转置矩阵：NumPy 中除了可以使用 numpy.transpose 函数来对换数组的维度，还可以使用 T 属性。

import numpy as npa = np.arange(12).reshape(3,4)print ('原数组：')
print (a)
print ('\n')print ('转置数组：')
print (a.T)

matlib.empty() 函数返回一个新的矩阵，语法格式为：

import numpy.matlib
import numpy as npprint (np.matlib.empty((2,2)))
# 填充为随机数据

numpy.matlib.zeros() 函数创建一个以 0 填充的矩阵。

numpy.matlib.ones()函数创建一个以 1 填充的矩阵。

numpy.matlib.eye() 函数返回一个矩阵，对角线元素为 1，其他位置为零，不一定是方阵。

numpy.matlib.identity() 函数返回给定大小的单位矩阵。单位矩阵是个方阵，从左上角到右下角的对角线（称为主对角线）上的元素均为 1，除此以外全都为 0。

numpy.matlib.rand() 函数创建一个给定大小的矩阵，数据是随机填充的。

矩阵总是二维的，而 ndarray 是一个 n 维数组。两个对象都是可互换的。

五、NumPy 线性代数

numpy.matmul和dot不同点：

numpy.dot() 对于两个一维的数组，计算的是这两个数组对应下标元素的乘积和(数学上称之为内积)；对于二维数组，计算的是两个数组的矩阵乘积；对于多维数组，它的通用计算公式如下，即结果数组中的每个元素都是：数组a的最后一维上的所有元素与数组b的倒数第二位上的所有元素的乘积和： dot(a, b)[i,j,k,m] = sum(a[i,j,:] * b[k,:,m])。

numpy.matmul 函数返回两个数组的矩阵乘积。虽然它返回二维数组的正常乘积，但如果任一参数的维数大于2，则将其视为存在于最后两个索引的矩阵的栈，并进行相应广播。另一方面，如果任一参数是一维数组，则通过在其维度上附加 1 来将其提升为矩阵，并在乘法之后被去除。但对于二维数组，它就是矩阵乘法。

六、NumPy IO

七、NumPy Matplotlib

Matplotlib 是 Python 的绘图库。它可与 NumPy 一起使用，提供了一种有效的 MatLab 开源替代方案。它也可以和图形工具包一起使用，如 PyQt 和 wxPython。

import numpy as np
from matplotlib import pyplot as plt x = np.arange(1,11)
y =  2  * x +  5
plt.title("Matplotlib demo")
plt.xlabel("x axis caption")
plt.ylabel("y axis caption")
plt.plot(x,y)
plt.show()

关于绘图库的更多知识建议单独学习。

Numpy（3/3）：进阶知识相关推荐

Android进阶知识：绘制流程（上）
1.前言之前写过一篇Android进阶知识:事件分发与滑动冲突,主要研究的是关于Android中View事件分发与响应的流程.关于View除了事件传递流程还有一个很重要的就是View的绘制流程.一个 ...
react只停留在表层？五大知识点带你梳理进阶知识
五大知识点带你梳理react进阶知识 ✉️前言
webpack入门核心知识还看不过瘾？速来围观万字入门进阶知识
一文了解webpack入门进阶知识
python的格式化输出学号_安利三个关于Python字符串格式化进阶知识
点击蓝色"Python空间"关注我丫加个"星标",每天一起快乐的学习今日鸡汤名花倾国两相欢,常得君王带笑看. /前言/ 关于Python字符串格式化 ...
Java工程师进阶知识完全扫盲, 太全了！！
项目简介本期介绍的开源项目名称叫做:advanced-java 中文名:互联网 Java 工程师进阶知识完全扫盲,该项目主要是为Java开发工程师提供进阶知识讲解,从而提升Java工程师技术与能力! ...
【C++进阶知识】C++类的继承和派生
目录 C++进阶知识系列文章 C++类的继承和派生基本语法访问修饰符构造函数和析构函数覆盖父类的方法虚函数和纯虚函数示例代码参考资料 C++进阶知识系列文章 C++类的继承和派生在面向 ...
Android进阶知识（二十五）：Bitmap简介及其高效加载
Android进阶知识(二十五):Bitmap简介及其高效加载一.Bitmap Bitmap代表一个位图,在Android中指的是一张图片,可以是png.jpg等格式的图片.BitmapDraw ...
MariaDB/Mysql数据库进阶知识
这一篇章主要说一下关于MariaDB/Mysql的一些进阶知识,希望可以加深自己的理解 MariaDB的特性插件式存储引擎:也称为"表类型",存储管理器有多种实现版本,功能和特性 ...
Java数据结构与算法面试题，首发Java程序员人手必备的进阶知识体系，(1)
在市场上很少能够看到一套不错的学习笔记,小编也是花了挺久的时间总结了这份**<Java程序员人手必备的进阶知识体系>**,帮助大家系统化高效的进阶学习,而不是零散低效的阅读. 2020全新 ...
mysql/mariadb 进阶知识之表设计和查询
进阶知识之表设计和查询学生信息.成绩.课程数据表,提取码:iqub 评论及回复数据表,提取码:hdr7 一.表设计之数据类型选择 1.1.表设计步骤第一步,确定大类型:数字.字符串.日期等级等: ...

Numpy（3/3）：进阶知识

一、NumPy 排序、条件刷选函数

二、NumPy 字节交换

三、NumPy 副本和视图

四、NumPy 矩阵库(Matrix)

五、NumPy 线性代数

六、NumPy IO

七、NumPy Matplotlib

Numpy（3/3）：进阶知识相关推荐

最新文章

热门文章