总结了12个Numpy高级函数，完美解决数据处理，拿来即用！

Posted 2021-09-15 数据分析与统计学之美

本文禁止转载！

原本是不想专门讲述Numpy函数的，但是今天又有人问起。这次黄同学趁机为大家总结了这12个Numpy高级函数，大家一定要掌握，因为它真的很好用！很好用！很好用！

在正式讲述12个函数之前，先看看黄同学为你准备的大纲，辛苦整理，记得保存。

1. np.where(condition,x,y)

• 用法一：满足条件(condition)，输出x，不满足输出y。
• 用法二：筛选出满足条件(condition)的元素。

例一：查找数组中大于5的值，并返回。对于小于等于5的部分，直接用5代替；

import numpy as np
x = np.array([1,3,5,7,9])

z = x > 5
z

np.where(z,y,5)

结果如下：

例二：查找数组中大于18岁的人，并返回它们的下标；

y = np.array([19,35,15,25,10])
y

z = y > 18
z

np.where(z)

结果如下：

2. np.cumsum()和np.cumprod()

• np.cumsum()：按照不同轴，计算元素的累加和。
• np.cumprod()：按照不同轴，计算元素的累乘积。
• 注意：若不设置axis，则会自动将数组拉成一条直线，然后进行累加或累乘。

如果不设置axis：

x = np.array([[1,2],[4,5],[7,8]])
x

np.cumsum(x)

np.cumprod(x)

结果如下：

axis=0表示【按列方向操作】；axis=1表示【按行方向操作】

np.cumsum(x,axis=0)
np.cumsum(x,axis=1)

结果如下：

np.cumprod(x,axis=0)
np.cumprod(x,axis=1)

结果如下：

3. np.argmin()和np.argmax()

• np.argmin()：按照不同轴，返回最小值元素的下标。
• np.argmax()：按照不同轴，返回最大值元素的下标。
• 注意：若不设置axis，则会自动将数组拉成一条直线，返回最大值、最小值元素的下标。

如果不设置axis：

x = np.array([[2,1,7],[6,0,3],[5,4,8]])
x

np.argmin(x)

np.argmax(x)

结果如下：

axis=0表示【按列方向操作】；axis=1表示【按行方向操作】

np.argmin(x,axis=0)
np.argmin(x,axis=1)

结果如下：

np.argmax(x,axis=0)
np.argmax(x,axis=1)

结果如下：

4. np.sort()

• np.sort()：按照不同轴，进行元素排序。
• 默认是按照行操作，相当于axis=1。

x = np.array([[2,1,7],[6,0,3],[5,4,8]])
x

np.sort(x)
np.sort(x,axis=1)

结果如下：

np.sort(x,axis=0)

结果如下：

5. 如图所示 （六合一）

① unique()

② np.in1d()

③ np.intersect1d()

④ np.union1d()

⑤ np.setdiff1d()

⑥ np.setxor1d()