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 $1$ :

javascript 复制代码

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 $2$ :

ini 复制代码

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

Out $2$ :

scss 复制代码

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

In $3$ :

csharp 复制代码

# 情形1

np.where(m, 1, -1)

Out $3$ :

scss 复制代码

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 $4$ :

csharp 复制代码

# 情形2

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

Out $4$ :

scss 复制代码

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 $5$ :

csharp 复制代码

# 情形3

np.where(m>=2)

Out $5$ :

c 复制代码

(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 $6$ :

csharp 复制代码

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

Out $6$ :

scss 复制代码

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 $7$ :

ini 复制代码

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

In $8$ :

bash 复制代码

rdm.rand()  # 返回单个0-1之间的数值

Out $8$ :

复制代码

0.417022004702574

如果不指定维度，就是返回0到1之间的某个数值

In $9$ :

bash 复制代码

rdm.rand(2,3)   # 指定维度 3*2

Out $9$ :

lua 复制代码

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

In $10$ :

bash 复制代码

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

Out $10$ :

lua 复制代码

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

python 复制代码

np.vstack(array1, array2)

In $11$ :

ini 复制代码

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

In $12$ :

css 复制代码

np.vstack([array1,array2])

Out $12$ :

lua 复制代码

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

In $13$ :

css 复制代码

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

In $14$ :

css 复制代码

np.vstack([array3,array4])

Out $14$ :

lua 复制代码

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 $15$ :

javascript 复制代码

import numpy as np

In $16$ :

ini 复制代码

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

In $17$ :

复制代码

Out $17$ :

lua 复制代码

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

In $18$ :

复制代码

Out $18$ :

lua 复制代码

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 $19$ :

scss 复制代码

x.ravel()

Out $19$ :

scss 复制代码

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

In $20$ :

scss 复制代码

y.ravel()

Out $20$ :

scss 复制代码

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 $21$ :

scss 复制代码

x.flatten()

Out $21$ :

scss 复制代码

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

In $22$ :

scss 复制代码

y.flatten()

Out $22$ :

scss 复制代码

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 $23$ :

css 复制代码

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

Out $23$ :

css 复制代码

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]])