Numpy技巧总结
2018-03-27 19:10
141 查看
1.根据ndarray的值返回其索引
2. nanmean(), nanstd() 对包含NaN的序列求均值或标准差时,对非NaN进行计算:
3. 判断某一维度是否存在NaN或者是否全为NaN:
q=np.arange(0,16,1) # array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15]) g=np.argwhere(q==7) # array([[7]], dtype=int64) np.squeeze(g) # array(7, dtype=int64)
>>> x = np.arange(6).reshape(2,3) >>> x array([[0, 1, 2], [3, 4, 5]]) >>> np.argwhere(x>1) array([[0, 2], [1, 0], [1, 1], [1, 2]])
numpy的数学与统计运算
1.sum(), mean(), std():arr3=np.random.randint(-1,3,size=(2,3,4)) arr3 #array([[[ 0, 2, -1, 1], # [ 2, 1, -1, -1], # [ 0, 0, -1, 0]], # [[ 0, -1, 2, 2], # [ 1, -1, -1, 1], # [ 0, 2, 0, 1]]]) arr3.sum(0) #array([[ 2, 3, -3, 0], # [ 1, 0, 1, 4]]) arr3.sum(1) #array([[ 2, 3, -3, 0], # [ 1, 0, 1, 4]]) arr3.sum(2) #array([[ 2, 1, -1], # [ 3, 0, 3]]) arr3.sum((2,1)) #array([2, 6]) arr3.sum((1,2)) #array([2, 6])
2. nanmean(), nanstd() 对包含NaN的序列求均值或标准差时,对非NaN进行计算:
>>> a = np.array([[1 4000 , np.nan], [3, 4]]) #[[1, np.nan], # [3, 4 ]] >>> np.nanmean(a) #(1+3+4)/3 2.6666666666666665 >>> np.nanmean(a, axis=0) array([ 2., 4.]) >>> np.nanmean(a, axis=1) array([ 1., 3.5])
3. 判断某一维度是否存在NaN或者是否全为NaN:
a=array([[ 3., nan, -1., 0.], [ -1., -2., nan, 1.], [ nan, nan, nan, nan]]) np.isnan(a) #array([[False, True, False, False], # [False, False, True, False], # [ True, True, True, True]], dtype=bool) np.isnan(a).all() #False np.isnan(a).all(0) #array([False, False, False, False], dtype=bool) np.isnan(a).all(1) #array([False, False, True], dtype=bool) np.isnan(a).any() #True np.isnan(a).any(0) #array([ True, True, True, True], dtype=bool) np.isnan(a).any(1) #array([ True, True, True], dtype=bool)
相关文章推荐
- 5、Hive的一些技巧总结
- 【转】Scikit-learn技巧(拓展)总结
- jquery技巧总结
- jQuery技巧总结
- Eclipse快捷键与使用技巧总结
- 搜索技巧总结
- 写出健壮Bash Shell脚本的一些技巧总结
- 定位Bug技巧总结
- VC/MFC 编程技巧大总结
- JavaScript学习总结-技巧、实用函数、简洁方法、编程细节
- ASP.NET跨页面传值技巧总结
- [转] Freemarker的常用技巧总结
- 高效的jQuery代码编写技巧总结
- DataGrid使用技巧小总结-个性化分页及复杂表头
- JS截取与分割字符串常用技巧总结
- [转载] 信息系统项目管理师考试技巧和总结
- jquery技巧总结
- sql语句查询优化总结,建议及写法技巧(汇总)
- Putty使用技巧总结
- jquery技巧总结