numpy方法汇总（切片，组合等）

一、numpy索引

1.1

布尔索引

row_index = (M[:,0] >= 20) & (M[:,0] <= 80)
col_index = M[0,:] >= 5
M[row_index,:][:,col_index]

注意：不能在同一个方括号中对列和行都使用布尔索引。新词我们必须先在行方向上进行布尔选择，然后重新打开方括号进行第二次选择，这一次集中在列方向上选择

如果需要对数组元素进行全局选择，可以

mask = (M >= 20) & (M <= 90) & ((M / 10) % 1 >= 0.5)
M[mask]

 

1.2 花式索引

row_index = [1,1,2,7]
col_index = [0,2,4,8]
M[row_index,col_index] # 选出(1,0)(1,2)(2,4)(7,8)位置的元素
M[row_index,:][:,col_index] # 选出4行4列

注意：花式索引和普通步数切片索引，要牢记

 

1.3 普通索引

M[2:9:2,:]      # 第2至8行的偶数行
M[2:9:2,5:]     # 第2至8行的偶数行&第6列以后的数据
M[2:9:2,5::-1]  # 第2至8行的偶数行&第6列开始，逆序取值到第一列

注意：切片和索引只是数据的观测，如果需要为这些观测创建新的数据则必须使用.copy()方法将切片数据赋给另一个变量，否则，对原数组的修改都将反映到切片数据上

也就是说，数组切片索引是原始数组的视图，它与原始数组共享一个数据存储空间，即数据不会被复制，视图上的惹和修改会直接反映到原始数组

N = M[2:9:2,5:].copy()

二、numpy的属性

shape、dtype、ndim、size、T、flat、nbyte

三、numpy函数

np.sort(s，axis=...):返回排序后的数组

np.argsort(s):返回数组排序后的下标（下标为原未排序的下标）

np.lexsort():根据键值的字典序进行排序

s.reshape(1,2,3):维度改变

np.transpose(s)：转置=s.T

四、数组组合、分拆

np.hstack((a,b)）：a,b水平组合=np.concatenate((a,b),axis=1)，列数增加

np.vstack((a,c)）：a,c竖直组合=np.concatenate((a,b),axis=0)类似于新增记录，行数增加

深度组合、列组合、行组合见阮敬python数据分析基础

np.hsplit(a,3):结果是列表，列表中第一个元素是分割后第一列的结果，=np.split(a,3,axis=1)

np.vsplit(a,3):结果是列表，列表中第一个元素是分割后第一行的结果，=np.split(a,3,axis=0)

五、ufunc运算

universal function是一种能对数组中每个元素进行操作的函数，使用outer关键字指定把函数返回结果存储在指定数组

5.1 reduce、accumulate、reduceat、outer

 

np.add(a1,a2)

a1>a2

any(a1>a2)

all(a1>a2)

5.2 自定义ufunc函数

frompyfunc(func,n_in,n_out)