1.向量運算:相同大小的陣列間運算應用在元素上
結果:# 向量與向量運算
arr = np.array([[1, 2, 3],
[4, 5, 6]])
print("元素相乘:")
print(arr * arr)
print("矩陣相加:")
print(arr + arr)
向量和標量運算:「廣播」 - 將標量"廣播"到各個元素元素相乘:
[[ 1 4 9]
[16 25 36]]
矩陣相加:
[[ 2 4 6]
[ 8 10 12]]
結果:arr = np.array([[1, 2, 3],
[4, 5, 6]])
# 向量與標量運算
print(1. / arr)
print(2. * arr)
1.一維陣列的索引與切片[[ 1. 0.5 0.33333333]
[ 0.25 0.2 0.16666667]]
[[ 2. 4. 6.]
[ 8. 10. 12.]]
結果:# 一維陣列
arr1 = np.arange(10)
print(arr1)
print(arr1[2:5])
2.多維陣列的索引與切片:[0 1 2 3 4 5 6 7 8 9]
[2 3 4]
結果:# 多維陣列
arr2 = np.arange(12).reshape(3,4)
print(arr2)
print(arr2[1])
print(arr2[0:2, 2:])
print(arr2[:, 1:3])
3.條件索引[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[4 5 6 7]
[[2 3]
[6 7]]
[[ 1 2]
[ 5 6]
[ 9 10]]
布林值多維陣列:arr[condition],condition也可以是多個條件組合。
注意,多個條件組合要使用 & | 連線,而不是python的 and or。
結果:# 條件索引
# 找出 data_arr 中 2023年後的資料
data_arr = np.random.rand(3,3)
print(data_arr)
year_arr = np.array([[2000, 2001, 2000],
[2005, 2002, 2009],
[2001, 2003, 2010]])
is_year_after_2005 = year_arr >= 2005
print(is_year_after_2005, is_year_after_2005.dtype)
filtered_arr = data_arr[is_year_after_2005]
print(filtered_arr)
#filtered_arr = data_arr[year_arr >= 2005]
#print(filtered_arr)
# 多個條件
filtered_arr = data_arr[(year_arr <= 2005) & (year_arr % 2 == 0)]
print(filtered_arr)
二維陣列直接使用轉換函式:transpose()[[ 0.53514038 0.93893429 0.1087513 ]
[ 0.32076215 0.39820313 0.89765765]
[ 0.6572177 0.71284822 0.15108756]]
[[false false false]
[ true false true]
[false false true]] bool
[ 0.32076215 0.89765765 0.15108756]
#[ 0.32076215 0.89765765 0.15108756]
[ 0.53514038 0.1087513 0.39820313]
結果:arr = np.random.rand(2,3) # 2x3 陣列
print(arr)
print(arr.transpose()) # 轉換為 3x2 陣列
arr3d = np.random.rand(2,3,4) # 2x3x4 陣列,2對應0,3對應1,4對應3
print(arr3d)
print(arr3d.transpose((1,0,2))) # 根據維度編號,轉為為 3x2x4 陣列
# 二維陣列轉換
# 轉換前:
[[ 0.50020075 0.88897914 0.18656499]
[ 0.32765696 0.94564495 0.16549632]]
# 轉換後:
[[ 0.50020075 0.32765696]
[ 0.88897914 0.94564495]
[ 0.18656499 0.16549632]]
# 高維陣列轉換
# 轉換前:
[[[ 0.91281153 0.61213743 0.16214062 0.73380458]
[ 0.45539155 0.04232412 0.82857746 0.35097793]
[ 0.70418988 0.78075814 0.70963972 0.63774692]]
[[ 0.17772347 0.64875514 0.48422954 0.86919646]
[ 0.92771033 0.51518773 0.82679073 0.18469917]
[ 0.37260457 0.49041953 0.96221477 0.16300198]]]
# 轉換後:
[[[ 0.91281153 0.61213743 0.16214062 0.73380458]
[ 0.17772347 0.64875514 0.48422954 0.86919646]]
[[ 0.45539155 0.04232412 0.82857746 0.35097793]
[ 0.92771033 0.51518773 0.82679073 0.18469917]]
[[ 0.70418988 0.78075814 0.70963972 0.63774692]
[ 0.37260457 0.49041953 0.96221477 0.16300198]]]
numpy ndarray掩碼操作
bool掩碼 掩出位置為true處的值 從大資料集中抽取出一小部分 e.g.抽取年齡大於40歲的學生 import numpy as np a np.arange 1,10 設定掩碼 mask true false true false true false true false true fals...
認識Numpy Ndarray物件
numpy numerical python 是 python 語言的乙個擴充套件程式庫,支援大量的維度陣列與矩陣運算,此外也針對陣列運算提供大量的數學函式庫。numpy為什麼能夠受到各個資料科學從業人員的青睞與追捧,其實很大程度上是因為numpy在向量計算方面做了很多優化,介面也非常友好。而這些其...
Numpy Ndarray 常用物件屬性
用於返回陣列的維數,等於秩 import numpy as np a np.arange 24 print a.ndim a 現只有乙個維度 輸出1 現在調整其大小 b a.reshape 2,4,3 b 現在擁有三個維度 print b.ndim 輸出3表示陣列的維度,返回乙個元組,這個元組的長度...