Python 官方文档:入门教程 => 点击学习
目录ndarray数组的转置(transpose)和轴对换1 .T2. transpose3.swapaxesndarray数据基本操作数组与标量的运算数组与数组的运算数组
转置可以对数组进行重置,返回的是源数据的视图(不会进行任何复制操作)。
转置有三种方式,transpose
方法、T
属性以及swapaxes
方法。
import numpy as np
arr = np.arange(9).reshape((3,3))#生成一个3行3列的数组
print arr
[[0 1 2]
[3 4 5]
[6 7 8]]
print arr.T
[[0 3 6]
[1 4 7]
[2 5 8]]
对于高维数组,transpose需要用到一个由轴编号组成的元组,才能进行转置。
比如说三维的数组,那就对维度进行编号,也就是0,1,2。这里的0,1,2可以理解为对shape返回元组的索引。
比如
arr1 = np.arange(24).reshape(2,3,4)#生成一个2*3*4的数组
print arr1
[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]]
print arr1.shape #看形状
(2, 3, 4) #说明这是一个2*3*4的数组(矩阵),返回的是一个元组,可以对元组进行索引,也就是0,1,2
transpose((1,0,2))
的意义在于将 (2, 3, 4)
转成 (3, 2, 4)
,比如,数值12开始的索引是 [1,0,0]
,变换后变成了 [0,1,0]
,如下图:
print arr1.transpose((1,0,2))
[[[ 0 1 2 3]
[12 13 14 15]]
[[ 4 5 6 7]
[16 17 18 19]]
[[ 8 9 10 11]
[20 21 22 23]]]
swapaxes,它接受一对轴编号。进行轴对换。
arr1 = np.arange(24).reshape(2,3,4)
print arr1
[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]]
print arr1.swapaxes(1,0) #将第一个轴和第二个轴交换,对比transpose(1,0,2)
[[[ 0 1 2 3]
[12 13 14 15]]
[[ 4 5 6 7]
[16 17 18 19]]
[[ 8 9 10 11]
[20 21 22 23]]]
arr1=np.random.random((2,3))
arr2=np.random.random((2,3))
arr3=np.random.random((3,2))
print(arr1)
# 加减乘除、乘方
print(arr1*2)
print()
print(arr1+2)
print()
print(arr1-2)
print()
print(arr1/2)
print()
print(arr1**2)
# 加减乘除、乘方、数组的矩阵积
# 两个二维矩阵(行和列的矩阵)满足第一个矩阵的列数与第二个矩阵的行数相同,
# 那么可以进行矩阵的乘法,即矩阵积,矩阵积不是元素级的运算。也称为点积、数量积。
print(arr1+arr2)
print()
print(arr1-arr2)
print()
print(arr1*arr2)
print()
print(arr1/arr2)
print()
print(arr1**arr2)
print()
print(arr1.dot(arr3))
# 定义一个3*3*3的数组
arr3=np.array([
[[1,2,3],[4,5,6],[7,8,9]],
[[10,11,12],[13,14,15],[16,17,18]],
[[19,20,21],[22,23,24],[25,26,27]]
])
# 索引
print(arr3)
print("# # # # # # #arr3[0]# # # # # # # # # # # # # # ")
print(arr3[0])
print("# # # # # # #arr3[1] # # # # # # # # # # # # # ")
print(arr3[1])
print("# # # # # # # arr3[2] # # # # # # # # # # # # # # ")
print(arr3[2])
print("# # # # # # # arr3[0][0] # # # # # # # # # # # # # # ")
print(arr3[0][0])
print("# # # # # # # arr3[0][1] # # # # # # # # # # # # # # ")
print(arr3[0][1])
print("# # # # # # # arr3[0][2]# # # # # # # # # # # # # # ")
print(arr3[0][2])
print("# # # # # # # arr3[0][2][0] # # # # # # # # # # # # # # ")
print(arr3[0][2][0])
print("# # # # # # # arr3[0][2][1]# # # # # # # # # # # # # # ")
print(arr3[0][2][1])
print("# # # # # # # arr3[0][2][2]# # # # # # # # # # # # # # ")
print(arr3[0][2][2])
# 切片,,,在各维度上单独切片,如果纬度都保留,则使用冒号,不指定起始值
print("# # # # # # # arr3[0,:,0:2]# # # # # # # # # # # # # # ")
print(arr3[0,:,0:2])
print("# # # # # # # arr3[1,:,0:2]# # # # # # # # # # # # # # ")
print(arr3[1,:,0:2])
print("# # # # # # # arr3[2,:,0:2]# # # # # # # # # # # # # # ")
print(arr3[2,:,0:2])
print("# # # # # # # arr3[:,:,0:2]# # # # # # # # # # # # # # ")
print(arr3[:,:,0:2])
print("# # # # # # # arr3[:,0,0:2]# # # # # # # # # # # # # # ")
print(arr3[:,0,0:2])
print("# # # # # # # arr3[:,1,0:2]# # # # # # # # # # # # # # ")
print(arr3[:,1,0:2])
print("# # # # # # # arr3[:,2,0:2]# # # # # # # # # # # # # # ")
print(arr3[:,2,0:2])
# 利用布尔类型的数组进行数据索引,最终返回的结果是对应索引数组中数据为True位置的值。
# numpy中不能使用python中and、or、not,使用&(与)、|(或)、~(非)
arr6=np.random.random((3,4))
print(arr6)
print("# # # # # # ## #arr6>0.5得到的布尔值,为真则取该位置的值,否则就舍去 # # # # # # # # # ")
# A=arr6<0.5
A=arr6>0.5
print(A)
print("# # # # # # ## # # # # # #将对应的布尔值转换为一维数组 # # # # # # # # # # # # # # ## # ")
# 装换成一维数组
arr7=arr6[A]
print(arr7)
print(arr7.shape)
# 利用布尔值进行索引的一个应用实例
names=np.array(['Gerry','Tom','John'])
scores=np.array([
[98,87,86,95],
[48,84,84,45],
[58,7,81,95]
])
class1=np.array(['语文','数学','英语','科学'])
print("Gerry score is:",scores[names=='Gerry'].reshape((-1)))
print("Gerry score is:",scores[names=='Gerry'].reshape((-1))[class1=='数学'])
print("Gerry和Tom的成绩")
print(scores[(names=='Gerry')|(names=='Tom')])
print("非Gerry和Tom的成绩")
print(scores[(names!='Gerry')&(names!='Tom')])
print("成绩大于90的全部输出")
print(scores[scores>90])
arr7=np.arange(40).reshape(5,8)
print(arr7)
print("获取第0、3、5行的数据")
print(arr7[[0,2,4]])
print("获取第(0,0)、(3,0)、(4,2)的数据")
print(arr7[[0,3,4],[0,0,2]])
print("获取第0、3、5行的第0、2、3列数据")
print(arr7[[0,3,4]].T[[0,1,2]].T)
print("ix_会产生一个索引器")
print(arr7[np.ix_([0,3,4],[0,1,2])])
# ndarray-花式索引:指的是利用整数数组进行索引的方式。
arr7=np.arange(40).reshape(5,8)
print(arr7)
print("获取第0、3、5行的数据")
print(arr7[[0,2,4]])
print("获取第(0,0)、(3,0)、(4,2)的数据")
print(arr7[[0,3,4],[0,0,2]])
print("获取第0、3、5行的第0、2、3列数据")
print(arr7[[0,3,4]])
print("##################")
print(arr7[[0,3,4]].T)
print("##################")
print(arr7[[0,3,4]].T[[0,1,2]])
print("##################")
print(arr7[[0,3,4]].T[[0,1,2]].T)
print("ix_会产生一个索引器")
print(arr7[np.ix_([0,3,4],[0,1,2])])
# 数组转置是指将shape进行重置操作,并将其值重置为原始shape元组的倒置,
# 比如原始的shape值为:(2,3,4),那么转置后的新元组的shape的值为: (4,3,2)f
# 可以通过调用数组的transpose函数或者T属性进行数组转置操作
arr=np.random.random(30).reshape(3,5,2)
print(arr)
print("#############################################")
arr1=arr.T
print(arr1)
print("#############################################")
arr2=np.transpose(arr1)
print(arr2)
numpy模块中对ndarray中数据进行快速元素级运算的函数,也可以看做是简单的函数(接受一个或多个标量值,并产生一个或多个标量值)的矢量化包装器。主要包括一元函数和二元函数。
arr3=np.array([
[1,2,-3],
[0.1,0.6,-0.4]
])
print(arr3)
print("#############################################")
# abs fabs计算绝对值
print(np.abs(arr3))
print("#############################################")
# sqrt 计算各元素的平方根
print(np.sqrt(abs(arr3)))
print("#############################################")
# square计算各元素的评分:arr3**2
print(np.square(arr3))
print("#############################################")
# exp计算各元素指数e的x次方
print(np.exp(arr3))
print("#############################################")
# log2、log10分别计算底数为10、2的log值,以及log(1+x)
print(np.log10(abs(arr3)))
print(np.log2(abs(arr3)))
print(np.log1p(abs(arr3)))
print("#############################################")
# sign计算各个元素的正负号,1:正号 0:0 -1:负号
print(np.sign(arr3))
print("#############################################")
# ceil 计算各个元素的ceil值,大于等于该值的最小整数
print(np.ceil(arr3))
print("#############################################")
# floor 计算各个元素的floor的值,小于等于该值的最大整数
print(np.floor(arr3))
print("#############################################")
# rint 将各个元素的四书五入到最接近的整数
print(np.rint(arr3)
print("#############################################")
# modf 将数组中元素的小数位和整数位以两部分独立数组的形式返回
print(np.modf(arr3))
print("#############################################")
# isnan 返回一个表示“那些值是NaN(不是一个数字)”的布尔类型数组
print(np.isnan(arr3))
print("#############################################")
# isfinite、isinf 分别一个表示”那些元素是有穷的(非inf、非NaN)”或者“那些元素是无穷的”的布尔型数组
print(np.isfinite(arr3))
print(np.isinf(arr3))
print("#############################################")
# cos、cosh、sin、sinh、tan、tanh 普通以及双曲型三角函数
print(np.tan(arr3))
print("#############################################")
# arccos、arccosh、arcsin、arcsinh、arctan、arctanh 反三角函数
print(np.arctan(arr3))
arr4=np.array([
[1,0,-3],
[0.1,0.6,-0.4]
])
arr5=np.array([
[2,-5,8],
[-0.1,-0.6,0.4],
])
arr6=np.array([
[2,-5,8],
[-0.1,-0.6,0.4],
[-0.1,-0.6,0.4]
])
print("#############################################")
# mod 取模运算,做除法运算之后的余数
print(np.mod(arr4,arr5))
print("#############################################")
# dot 求两个数组的点积
print(np.dot(arr4,arr6))
print("#############################################")
# greater(大于)、greater_equal(大于等于)、less(小于)、less_equal(小于等于)、equal(等于)、not_equal(不等于)
# 执行元素级别的比较运算,最终返回一个布尔型数组
print(np.greater(arr4,arr5))
print("#############################################")
# logical_and、logical_or、logical_xor
# 执行元素级别的布尔逻辑运算,相当于中缀运算符&、|、^
print(np.logical_and(arr4,arr5))
print(np.logical_xor(arr4,arr5))
print("#############################################")
# power 求解对数组中的每个元素进行给定次数的指数值,类似于: arr ** 3
print(np.power(arr3,4))
聚合函数是对一组值(eg一个数组)进行操作,返回一个单一值作为结果的函数。
当然聚合函数也可以指定对某个具体的轴进行数据聚合操作;
#常将的聚合操作有:平均值mean、最大值max、最小值min、方差std等等
arr7=np.array([
[2,-5,8],
[-0.1,-0.6,0.4],
[-0.1,-0.6,0.4]
])
print(np.mean(arr7))
print(np.max(arr7))
print(np.min(arr7))
print(np.std(arr7))
# np.where函数是三元表达式x if condition else y的矢量化版本
arr8=np.array([2,7,8])
arr9=np.array([-0.1,-0.6,0.4])
condition=arr8>arr
result=np.where(condition,arr8,arr9)
print(result)
# np.unique函数的主要作用是将数组中的元素进行去重操作(也就是只保存不重复的数据)
arr10=np.array(["Python","Python","java"])
print(arr10)
print(np.unique(arr10))
以上为个人经验,希望能给大家一个参考,也希望大家多多支持编程网。
--结束END--
本文标题: ndarray数组的转置(transpose)和轴对换方式
本文链接: https://lsjlt.com/news/194220.html(转载时请注明来源链接)
有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
2024-03-01
2024-03-01
2024-03-01
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
回答
回答
回答
回答
回答
回答
回答
回答
回答
回答
0