numpy中基础操作3_nudify-优快云博客

本文介绍了numpy库在数据处理中的几个关键操作，包括对数组求长度、非负整数和浮点数的数据统计、均值计算的差异、矩阵划分、unique函数的应用、利用np.diff计算差分、nonzero获取非零元素索引以及count_nonzero计算非零元素数量。此外，还详细阐述了resize与reshape的区别，展示了如何动态调整数组大小。

数据离散化

numpy中意想不到的操作

可以对np.ndarray求len

numpy中数据统计

如果是非负整数：

如果是浮点数：

numpy中的均值

numpy.average()与numpy.mean()都是求均值，只是功能有所不同。

numpy中划分矩阵

numpy中unique

简单例子1：

返回索引2：

重构原始数据3：

np.diff函数

数组中a[n]-a[n-1]

import numpy as np

a = np.array([1, 6, 7, 8, 12])
diff_x1 = np.diff(a)
print("diff_x1", diff_x1)
# diff_x1 [5 1 1 4]
# [6-1,7-6,8-7,12-8]

np.diff会导致数组大小变化，记住是后一个减前一个

numpy中非零元素nonzero

numpy.nonzero(a)：不为0元素的索引

Return the indices of the elements that arenon-zero.

numpy.count_nonzero(a, axis=None)：非零元素的个数

Counts the number of non-zero values in thearray a.

numpy中resize操作(注意不同意reshape)

import numpy as np

a = np.array([[1, 2, 3], [4, 5, 6]])
print(">>>")
print(a.shape)
print(a)
print()

b = np.resize(a, (3, 2))
print(">>>")
print('修改第一个数组的大小：')
print(b.shape)
print(b)
print()

b = np.resize(a, (3, 3))
print(">>>")
print('修改第二个数组的大小：')
print(b.shape)
print(b)
print()

b = np.resize(a, (2, 2))
print(">>>")
print('修改第三个数组的大小：')
print(b.shape)
print(b)
print()