numpy陣列 5 二維陣列的軸

numpy的mean(),std()等方法是作用於整個numpy陣列的,如果是二維陣列的話,也是整個陣列,包括所有行和列,但我們經常需要它僅作用於行或者列,而不是整個二維陣列,這個時候,可以定義軸axis:

axis=0表示作用於列

axis=1表示作用於行

以sum()求和方法為例:

import

numpy as np
a =np.array([
[1, 2, 3],
[4, 5, 6],
[7, 8, 9]
])    
print
a.sum()#45
print a.sum(axis=0)
# 表示對各個列求和
#[12 15 18]
print a.sum(axis=1)
# 表示對各個行求和
#[6 15 24]

乙個綜合栗子:

#

假設有如下5個地鐵站10天的客流資料
ridership =np.array([
[   0,    0,    2,    5,    0],
[1478, 3877, 3674, 2328, 2539],
[1613, 4088, 3991, 6461, 2691],
[1560, 3392, 3826, 4787, 2613],
[1608, 4802, 3932, 4477, 2705],
[1576, 3933, 3909, 4979, 2685],
[  95,  229,  255,  496,  201],
[   2,    0,    1,   27,    0],
[1438, 3785, 3589, 4174, 2215],
[1342, 4043, 4009, 4665, 3033]
])

首先計算各個車站每天的客流平均值,從中找出最大和最小值:

def

min_and_max_riders_per_day(ridership):
mean_ridership_per_station = ridership.mean(axis=0)
max_daily_ridership =mean_ridership_per_station.max()     
min_daily_ridership =mean_ridership_per_station.min()     
return
(max_daily_ridership, min_daily_ridership)
print
(min_and_max_riders_per_day(ridership))    #結果
(3239.9, 1071.2)

Pandas及Numpy二維陣列

import numpy as np price np.array 3,4,5,6,7 5,6,5,4,3 4,4,5,4,3 5,5,6,7,4 5,6,7,5,4 print price 列印二維陣列 print price 0,2 列印第一行第三個數 print price 1,列印第二行所有...

陣列 二維陣列

一組相同型別的資料組合，是一種引用型別。陣列名稱不是固定的，與其存放的資料的型別有關。如 存放int型別的資料，陣列名稱 int 存放字串資料，陣列名稱 string 存放scanner型別的資料，陣列名稱 scanner陣列中的每個資料，都是這個陣列的元素。1 宣告 元素型別 變數名 元素型別 變...

陣列 二維陣列

陣列，從名字很簡單看出就是數字組合，一堆數 一堆元素 在一起。然後看一下怎麼定義，怎麼初始化。陣列的動態初始化 初始化之後每個元素的儲存內容為其對應資料型別的預設值。資料型別 陣列名 new 陣列型別 大小 int arr new int 5 資料型別 陣列名 new 陣列型別 大小 int arr...