numpy 学习

Posted 2021-01-10 francischeng

对于np的很多计算，如max，mean，min，cumsum函数都有一个axis属性，当axis等于0时对于列计算，等于1时对于行计算

for example， min函数

import numpy as np

A = np.array(range(14, 2, -1)).reshape(3, 4)
print(A)
print(‘------------‘)
print(np.min(A, axis=0))
print(np.min(A, axis=1))

结果

 

 累加 cumsum()

import numpy as np
A = np.array(range(2,14)).reshape(3,4)
print(A)
print(np.cumsum(A))

结果：

累差：diff()

import numpy as np
A = np.array(range(2,14)).reshape(3,4)
print(A)
print(np.diff(A))

结果：

非零项 nonezero()

import numpy as np
A = np.array(range(2,14)).reshape(3,4)
print(A)
print(np.nonzero(A))

他会输出由两个列表构成的元组，表示非零元素的位置。在这个例子中第一个列表是非零项的行数，第二个列表是非零项的列数

排序 sort()

import numpy as np
A = np.array(range(14,2,-1)).reshape(3,4)
print(A)
print(np.sort(A))

结果：

转置 transpose() 或者 array的T属性

import numpy as np
A = np.array(range(14,2,-1)).reshape(3,4)
print(A)
print(np.transpose(A))
print(A.T)

 

clip():

import numpy as np

A = np.array(range(14, 2, -1)).reshape(3, 4)
print(A)
print(np.clip(A, 5, 9))

clip函数把A中小于5的变成都赋值成5，把大于9的赋值成9