numpy相关tricks

最新推荐文章于 2025-04-30 22:15:00 发布

原创最新推荐文章于 2025-04-30 22:15:00 发布 · 338 阅读

CC 4.0 BY-SA版权

5 篇文章

订阅专栏

本文介绍了如何使用NumPy处理数组中的特殊元素，如过滤掉NaN值，并展示了如何通过索引进行高级选择。此外，还详细解释了如何使用np.newaxis来增加数组的维度。

numpy.array 过滤nan元素：
array 中有时计算出nan元素，会影响最终结果。nan元素来源于’0除’等类似原因，利用 np.nan != np.nan 为 True 的性质，检测如下：
.>>> import numpy as np
.>>> a = np.array([1, np.nan, 3, 4, np.nan, 6])
.>>> a
array([ 1., nan, 3., 4., nan, 6.])
.>>> np.count_nonzero(a != a)
numpy.array 数组索引：
.>>>a2=np.array([[1,1,1],[3,3,3],[3,3,8]],dtype=’int32’)
.>>>a1=np.array([2,1,1],dtype=’int32’)
.>>>a2[a1]
array([[3, 3, 8], [3, 3, 3], [3, 3, 3]], dtype=int32)
numpy.array 增加维度：
numpy中包含的newaxis可以给原数组增加一个维度
np.newaxis放的位置不同，产生的新数组也不同
.>>> x = np.random.randint(1, 8, size=5)
.>>> x
array([4, 6, 3, 6, 5])
.>>> x1 = x[np.newaxis, :]
.>>> x1
array([[4, 6, 3, 6, 5]])
.>>> x2 = x[:, np.newaxis]
.>>> x2
array([[4], [6], [3], [6], [5]])