python科学计算_numpy_常规函数与排序 标签: numpypython排序
2017-01-08 11:57
495 查看
转自:
http://blog.csdn.net/zine_123/article/details/51746567
常用统计函数:
求和:sum()、均值:mean()、标准差:std()、方差:var()、最小值:min()、最大值:max()、最大值与最小值之差:ptp()、最大值的下标:argmax()、最小值的下标:argmin()、中值:median()
上述函数都可以指定axis,来沿着某一轴操作;除了mean()函数求均值,还可以使用average(),并且可以指定weights参数来指定权值,计算加权平均;argmax()和argmin()如果不指定axis参数,则返回平坦化后的下标;
排序函数:sort()、argsort();数组的sort()方法会对数组本身进行改变,而sort()函数则不会;sort默认axis=-1,即沿着最后一个轴进行排序;sort()函数返回一个新的排序后的数组而argsort()则返回排序后的下标数组,如:
import numpy as np
a = np.random.randint(0,10,size=(4,5))
array([[8, 2, 0, 3, 7],
[7, 0, 2, 7, 4],
[1, 8, 1, 1, 2],
[4, 6, 2, 1, 4]])
a.sort() #此时a数组会改变为排序后的数组;
a1 = np.sort(a) #此时a数组不变,得到的a1数组为:
array([[0, 2, 3, 7, 8],
[0, 2, 4, 7, 7],
[1, 1, 1, 2, 8],
[1, 2, 4, 4, 6]])
# 即沿着-1轴排序后的结果 对每行按列排序
>>> a2 = np.sort(a,axis = 0)
>>> a2
array([[3, 0, 2, 6, 2],
[4, 3, 3, 7, 2],
[5, 6, 5, 7, 2],
[7, 8, 9, 8, 4]])
# 即沿着0轴排序后的结果 对每列按行排序
idx = np.argsort(a)
idx
array([[2, 1, 3, 4, 0],
[1, 2, 4, 0, 3],
[0, 2, 3, 4, 1],
[3, 2, 0, 4, 1]])
此时,虽然idx.shape = (4,5),但是并不能直接使用a[idx]得到排序后的数组,因为idx是数组,所以numpy会在后面补:,等效于:a[idx,:],idx数组中的每个值访问a数组的0轴,当idx中的值超过a的0轴长度之后就会产生错误:IndexError: index 4 is out of bounds for axis 0 with size 4;所以使用idx来访问a得到排序后的数组,需要产生0轴的下标,通过np.ogrid对象可以生成:
x,_ = np.ogrid[:a.shape[0],:a.shape[1]]
右边的表达式生成a数组的grid,即各个轴的下标数组,取第一个元素即得到a数组的0轴下标数组:
array([[0],
[1],
[2],
[3]])
通过a[x,idx]可以正确访问到排序后的数组
http://blog.csdn.net/zine_123/article/details/51746567
常用统计函数:
求和:sum()、均值:mean()、标准差:std()、方差:var()、最小值:min()、最大值:max()、最大值与最小值之差:ptp()、最大值的下标:argmax()、最小值的下标:argmin()、中值:median()
上述函数都可以指定axis,来沿着某一轴操作;除了mean()函数求均值,还可以使用average(),并且可以指定weights参数来指定权值,计算加权平均;argmax()和argmin()如果不指定axis参数,则返回平坦化后的下标;
排序函数:sort()、argsort();数组的sort()方法会对数组本身进行改变,而sort()函数则不会;sort默认axis=-1,即沿着最后一个轴进行排序;sort()函数返回一个新的排序后的数组而argsort()则返回排序后的下标数组,如:
import numpy as np
a = np.random.randint(0,10,size=(4,5))
array([[8, 2, 0, 3, 7],
[7, 0, 2, 7, 4],
[1, 8, 1, 1, 2],
[4, 6, 2, 1, 4]])
a.sort() #此时a数组会改变为排序后的数组;
a1 = np.sort(a) #此时a数组不变,得到的a1数组为:
array([[0, 2, 3, 7, 8],
[0, 2, 4, 7, 7],
[1, 1, 1, 2, 8],
[1, 2, 4, 4, 6]])
# 即沿着-1轴排序后的结果 对每行按列排序
>>> a2 = np.sort(a,axis = 0)
>>> a2
array([[3, 0, 2, 6, 2],
[4, 3, 3, 7, 2],
[5, 6, 5, 7, 2],
[7, 8, 9, 8, 4]])
# 即沿着0轴排序后的结果 对每列按行排序
idx = np.argsort(a)
idx
array([[2, 1, 3, 4, 0],
[1, 2, 4, 0, 3],
[0, 2, 3, 4, 1],
[3, 2, 0, 4, 1]])
此时,虽然idx.shape = (4,5),但是并不能直接使用a[idx]得到排序后的数组,因为idx是数组,所以numpy会在后面补:,等效于:a[idx,:],idx数组中的每个值访问a数组的0轴,当idx中的值超过a的0轴长度之后就会产生错误:IndexError: index 4 is out of bounds for axis 0 with size 4;所以使用idx来访问a得到排序后的数组,需要产生0轴的下标,通过np.ogrid对象可以生成:
x,_ = np.ogrid[:a.shape[0],:a.shape[1]]
右边的表达式生成a数组的grid,即各个轴的下标数组,取第一个元素即得到a数组的0轴下标数组:
array([[0],
[1],
[2],
[3]])
通过a[x,idx]可以正确访问到排序后的数组
相关文章推荐
- python科学计算_numpy_常规函数与排序
- python科学计算_numpy_函数库
- python科学计算之Numpy
- linux中安装python科学计算环境-numpy、scipy、matplotlib、OpenCV...
- linux中安装python科学计算环境-numpy、scipy、matplotlib、OpenCV...
- Numpy入门:如何在Python中用于科学计算?
- python科学计算:numpy
- python 科学计算学习一:numpy文件存取,内存映射
- windows+Mac下安装Python以及科学计算套装安装(scipy、numpy、matplotlib)
- Python之numpy教程(五):筛选、排序、集合函数、读取存入数据
- python安装numpy科学计算模块
- Python科学计算-----NumPy(一)
- python科学计算numpy,scipy,matplotlib的安装
- python科学计算_numpy_ndarray
- python科学计算_numpy_简单的多项式应用
- windows x64 安装python科学计算模块numpy
- Python画图库 matplotlib, 数值计算库 numpy, 科学计算库 scipy 的安装
- python科学计算_numpy_广播与下标
- Python画图库 matplotlib, 数值计算库 numpy, 科学计算库 scipy 的安装
- python3 科学计算模块 numpy、pandas、sns、seaborn等模块安装遇到的问题