numpy使用数组进行数据处理

meshgrid函数

理解:

二维坐标系中,X轴可以取三个值1,2,3,Y轴可以取三个值7,8,请问可以获得多少个点的坐标?
显而易见是6个:
(1,7)(2,7)(3,7)
(1,8)(2,8)(3,8)

>>> import numpy as np#导入numpy
>>> a=np.array([1,3])#创建一维数组
>>> b=np.array([7,8])
>>> res=np.meshgrid(a,b)#获取所有点的横坐标和纵坐标
>>> res#返回list,有两个元素,第一个元素是X轴的取值,第二个元素是Y轴的取值
[array([[1,3],[1,3]]),array([[7,7,7],[8,8]])]

生成坐标绘制图像:

>>> import numpy as np
>>> points=np.arange(-5,5,0.01)#从-5到5步长为0.01
>>> xs,ys=np.meshgrid(points,points)
>>> ys
array([[-5.,-5.,...,-5.  ],[-4.99,-4.99,-4.99],[-4.98,-4.98,-4.98],[ 4.97,4.97,4.97],[ 4.98,4.98,4.98],[ 4.99,4.99,4.99]])
>>> z=np.sqrt(xs**2+ys**2)#函数的求值运算
>>> z
array([[7.07106781,7.06400028,7.05693985,7.04988652,7.06400028],[7.06400028,7.05692568,7.04985815,7.04279774,7.05692568],[7.05693985,7.04278354,7.03571603,7.04985815],[7.04988652,7.0286414,7.04279774],7.05692568]])
>>> import matplotlib.pyplot as plt
>>> plt.imshow(z,cmap=plt.cm.gray); plt.colorbar()
<matplotlib.image.AxesImage object at 0x00000000087D6EB8>
<matplotlib.colorbar.Colorbar object at 0x000000000D8F4FD0>
>>> plt.title("Image plot of $sqrt{x^2 + y^2}$ for a grid of values")
Text(0.5,1.0,'Image plot of $sqrt{x^2 + y^2}$ for a grid of values')
>>>plt.show()

将条件逻辑表述为数组运算

根据cond中的值来对数组进行选取，如果cond中的值为True，那么就选择x中对应的值，否则就选择y中对应的值，比如cond[0]=True,那么result[0]处应当放置yarr[0]的值

>>> xarr=np.array([1.1,1.2,1.3,1.4,1.5])
>>> yarr=np.array([2.1,2.2,2.3,2.4,2.5])
>>> cond=np.array([True,False,True,False])
>>> result=[(x if c else y) for x,y,c in zip(xarr,yarr,cond)]
>>> result
[1.1,2.5]

where方法

使用矢量

where方法可以取代上面的写法

>>> result=np.where(cond,xarr,yarr)
>>> result
array([1.1,2.5])

使用标量

np.where的第二个和第三个参数不必是数组，它们都可以是标量值。在数据分析工作中，where通常用于根据另一个数组而产生一个新的数组。假设有一个由随机数据组成的矩阵，你希望将所有正值替换为2，将所有负值替换为－2。若利用np.where，则会非常简单：

>>> arr=np.random.randn(4,4)
>>> arr
array([[-0.02461196,-0.11867552,0.49004256,-0.25236766],[ 1.66484493,-0.41180743,-0.34837293,-2.61422661],[ 0.51476568,-0.41451909,1.28553372,0.13866799],[-0.94795594,-1.49302099,1.18480636,0.20310613]])
>>> arr>0
array([[False,False],[ True,True],[False,True]])
>>> np.where(arr>0,-2)
array([[-2,-2,-2],[ 2,2],[-2,2]])

标量矢量结合

如果对应位置是True,那么新的数组对应位置为2，否则就还是原来的数值

>>> np.where(arr>0,arr)
array([[-0.02461196,2.,[ 2.,2.        ],2.        ]])

数学统计方法

mean函数

对所有的元素求均值

>>> import numpy as np
>>> arr=np.array([[1,[4,6],[7,9]])
>>> arr.mean()
5.0

>>> np.mean(arr)
5.0

sum函数

对所有元素求和

>>> arr.sum()
45

可选轴求值

>>> arr.mean(axis=1)#列求平均值
array([2.,5.,8.])
>>> arr.mean(axis=0)#行求平均值
array([4.,6.])
>>> arr.sum(axis=0)
array([12,15,18])#行求和
>>> arr.sum(axis=1)
array([ 6,24])#列求和

cumsum函数

1.对于一维输入a（可以是list，可以是array，假设a=[1,4,6,7] ，就是当前列之前的和加到当前列上，如下：

>>>import numpy as np
>>> a=[1,7]
>>> np.cumsum(a)
array([  1,10,21,28,36,45,55,75,105])

2.对于二维输入a，axis=0(第1行不动，将第1行累加到其他行)；axis=1(进入最内层，转化成列处理。第1列不动，将第1列累加到其他列)，如下：

>>>import numpy as np
>>> c=[[1,9]]
>>> np.cumsum(c,axis=0)
array([[ 1,[ 5,9],[12,18]])
>>> np.cumsum(c,axis=1)
array([[ 1,[ 4,9,15],[ 7,24]])

cumprod函数

累乘方法同理

>>> arr.cumprod(axis=1)
array([[  1,[  4,20,120],[  7,56,504]],dtype=int32)