numpy里面有很多数组矩阵的用法,遇到一个就记一个。
1.np.logical_and/or/not (逻辑与/或/非)
np.logical_and(逻辑与)
Syntax
np.logical_and(x1, x2, *args, **kwargs)
Test
>>> np.logical_and(True, False) False >>> np.logical_and([True, False], [False, False]) array([False, False], dtype=bool) >>> x = np.arange(5) >>> np.logical_and(x>1, x<4) array([False, False, True, True, False], dtype=bool)
np.logical_or(逻辑或)
Syntax
np.logical_or(x1, x2, *args, **kwargs)
Test
>>> np.logical_or(True, False) True >>> np.logical_or([True, False], [False, False]) array([ True, False], dtype=bool) >>> x = np.arange(5) >>> np.logical_or(x < 1, x > 3) array([ True, False, False, False, True], dtype=bool)
np.logical_not(逻辑非)
Syntax
logical_not(x, *args, **kwargs)Test
>>> np.logical_not(3) False >>> np.logical_not([True, False, 0, 1]) array([False, True, True, False], dtype=bool) >>> x = np.arange(5) >>> np.logical_not(x<3) array([False, False, False, True, True], dtype=bool)
转自:https://blog.csdn.net/JNingWei/article/details/78651535?locationNum=2&fps=1
2.numpy中的nonzero()的用法
nonzero(a)返回数组a中值不为零的元素的下标,它的返回值是一个长度为a.ndim(数组a的轴数)的元组,元组的每个元素都是一个整数数组,其值为非零元素的下标在对应轴上的值。例如对于一维布尔数组b1,nonzero(b1)所得到的是一个长度为1的元组,它表示b1[0]和b1[2]的值不为0(False)。
>>> b1=np.array([True, False, True, False]) >>> np.nonzero(b1) (array([0, 2], dtype=int64),)
对于二维数组b2,nonzero(b2)所得到的是一个长度为2的元组。它的第0个元素是数组a中值不为0的元素的第0轴的下标,第1个元素则是第1轴的下标,因此从下面的结果可知b2[0,0]、b[0,2]和b2[1,0]的值不为0:
>>> b2 = np.array([[True, False, True], [True, False, False]]) >>> np.nonzero(b2) (array([0, 0, 1], dtype=int64), array([0, 2, 0], dtype=int64))当布尔数组直接做为 numpy数组 下标时,相当于使用由nonzero()转换之后的元组作为下标对象:
>>> a = np.arange(3*4*5).reshape(3,4,5) >>> a array([[[ 0, 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, 28, 29], [30, 31, 32, 33, 34], [35, 36, 37, 38, 39]], [[40, 41, 42, 43, 44], [45, 46, 47, 48, 49], [50, 51, 52, 53, 54], [55, 56, 57, 58, 59]]]) >>> a[b2] array([[ 0, 1, 2, 3, 4], [10, 11, 12, 13, 14], [20, 21, 22, 23, 24]]) >>> a[np.nonzero(b2)] array([[ 0, 1, 2, 3, 4], [10, 11, 12, 13, 14], [20, 21, 22, 23, 24]])
为了观察变化,下面有一个例子:
dataSet=array( [[1,0,0,0], [0,1,0,0], [0,1,0,0], [0,0,0,1]]) a=dataSet[:,1]>0.5 print(a) print('--------------') print(nonzero(a)) print('--------------') print(nonzero(a)[0]) print('--------------') print(dataSet[nonzero(a)[0],:])输出结果:
[False True True False] -------------- (array([1, 2], dtype=int64),) -------------- [1 2] -------------- [[0 1 0 0] [0 1 0 0]]
转自:https://blog.csdn.net/zhihaoma/article/details/51235016
3.range和np.arange()
range()
返回的是range object
,而np.nrange()
返回的是numpy.ndarray()
range
尽可用于迭代,而np.nrange
作用远不止于此,它是一个序列,可被当做向量使用。range()
不支持步长为小数,np.arange()
支持步长为小数两者都可用于迭代
两者都有三个参数,以第一个参数为起点,第三个参数为步长,截止到第二个参数之前的不包括第二个参数的数据序列
某种意义上,和STL中由迭代器组成的区间是一样的,即左闭右开的区间。[first, last)
或者不加严谨地写作[first:step:last)
>>>range(1,5) range(1,5) >>>tuple(range(1, 5)) (1, 2, 3, 4) >>>list(range(1, 5)) [1, 2, 3, 4] >>>r = range(1, 5) >>>type(r) <class 'range'> >>>for i in range(1, 5): ... print(i) 1 2 3 4 >>> np.arange(1, 5) array([1, 2, 3, 4]) >>>range(1, 5, .1) Traceback (most recent call last): File "<stdin>", line 1, in <module> TypeError: 'float' object cannot be interpreted as an integer >>>np.arange(1, 5, .5) array([ 1. , 1.5, 2. , 2.5, 3. , 3.5, 4. , 4.5]) >>>range(1, 5, 2) >>>for i in range(1, 5, 2): ... print(i) 1 3 >>for i in np.arange(1, 5): ... print(i) 1 2 3 4转自:https://blog.csdn.net/lanchunhui/article/details/49493633
4.arange(),reshape()用法
arange()用于生成一维数组
reshape()将一维数组转换为多维数组
import numpy as np print('默认一维为数组:', np.arange(5)) print('自定义起点一维数组:',np.arange(1, 5)) print('自定义起点步长一维数组:',np.arange(2, 10, 2)) print('二维数组:', np.arange(8).reshape((2, 4))) print('三维数组:', np.arange(60).reshape((3, 4, 5))) print('指定范围三维数组:',np.random.randint(1, 8, size=(3, 4, 5)))
输出结果:
默认一维数组: [0 1 2 3 4] 自定义起点一维数组: [1 2 3 4] 自定义起点步长一维数组: [2 4 6 8] 二维数组: [[0 1 2 3] [4 5 6 7]] 三维数组: [[[ 0 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 28 29] [30 31 32 33 34] [35 36 37 38 39]] [[40 41 42 43 44] [45 46 47 48 49] [50 51 52 53 54] [55 56 57 58 59]]] 指定范围三维数组: [[[2 3 2 1 5] [6 5 5 6 7] [4 4 6 5 3] [2 2 3 5 6]] [[2 1 2 4 4] [1 4 2 1 4] [4 4 3 4 2] [4 1 4 4 1]] [[6 2 2 7 6] [2 6 1 5 5] [2 6 7 2 1] [3 3 1 4 2]]] [[[3 3 5 6] [2 1 6 6] [1 1 3 5]] [[7 6 5 3] [5 6 5 4] [6 5 7 1]]]转自:https://blog.csdn.net/chinacmt/article/details/78548420