首页 >编程 >正文

ndarray数组的转置(transpose)和轴对换方式

这篇文章主要介绍了ndarray数组的转置(transpose)和轴对换方式,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教

ndarray数组的转置(transpose)和轴对换

转置可以对数组进行重置,返回的是源数据的视图(不会进行任何复制操作)。

转置有三种方式,transpose方法、T属性以及swapaxes方法。

1 .T

import numpy as np
arr = np.arange(9).reshape((3,3))#生成一个3行3列的数组
print arr
[[0 1 2]
 [3 4 5]
 [6 7 8]]
print arr.T
[[0 3 6]
 [1 4 7]
 [2 5 8]]

2. transpose

对于高维数组,transpose需要用到一个由轴编号组成的元组,才能进行转置。

比如说三维的数组,那就对维度进行编号,也就是0,1,2。这里的0,1,2可以理解为对shape返回元组的索引。

比如

arr1 = np.arange(24).reshape(2,3,4)#生成一个2*3*4的数组
print arr1
[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]
 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]]
print arr1.shape #看形状
(2, 3, 4)        #说明这是一个2*3*4的数组(矩阵),返回的是一个元组,可以对元组进行索引,也就是0,1,2

transpose((1,0,2)) 的意义在于将 (2, 3, 4) 转成 (3, 2, 4) ,比如,数值12开始的索引是 [1,0,0] ,变换后变成了 [0,1,0] ,如下图:

ndarray数组的转置(transpose)和轴对换方式

print arr1.transpose((1,0,2))
[[[ 0  1  2  3]
  [12 13 14 15]]
 [[ 4  5  6  7]
  [16 17 18 19]]
 [[ 8  9 10 11]
  [20 21 22 23]]]

3.swapaxes

swapaxes,它接受一对轴编号。进行轴对换。

arr1 = np.arange(24).reshape(2,3,4)
print arr1
[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]
 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]]
print arr1.swapaxes(1,0) #将第一个轴和第二个轴交换,对比transpose(1,0,2)
[[[ 0  1  2  3]
  [12 13 14 15]]
 [[ 4  5  6  7]
  [16 17 18 19]]
 [[ 8  9 10 11]
  [20 21 22 23]]]

ndarray数据基本操作

数组与标量的运算

arr1=np.random.random((2,3))

arr2=np.random.random((2,3))

arr3=np.random.random((3,2))

print(arr1)

# 加减乘除、乘方

print(arr1*2)

print()

print(arr1+2)

print()

print(arr1-2)

print()

print(arr1/2)

print()

print(arr1**2)

数组与数组的运算

# 加减乘除、乘方、数组的矩阵积

# 两个二维矩阵(行和列的矩阵)满足第一个矩阵的列数与第二个矩阵的行数相同,

# 那么可以进行矩阵的乘法,即矩阵积,矩阵积不是元素级的运算。也称为点积、数量积。

print(arr1+arr2)

print()

print(arr1-arr2)

print()

print(arr1*arr2)

print()

print(arr1/arr2)

print()

print(arr1**arr2)

print()

print(arr1.dot(arr3))

数组的索引与切片

# 定义一个3*3*3的数组

arr3=np.array([

    [[1,2,3],[4,5,6],[7,8,9]],

    [[10,11,12],[13,14,15],[16,17,18]],

    [[19,20,21],[22,23,24],[25,26,27]]

])

# 索引

print(arr3)

print("# # # # # # #arr3[0]# # # # # # # # # # # # # # ")

print(arr3[0])

print("# # # # # # #arr3[1] # # # # # # # # # # # # # ")

print(arr3[1])

print("# # # # # # # arr3[2] # # # # # # # # # # # # # # ")

print(arr3[2])

print("# # # # # # # arr3[0][0] # # # # # # # # # # # # # # ")

print(arr3[0][0])

print("# # # # # # # arr3[0][1] # # # # # # # # # # # # # # ")

print(arr3[0][1])

print("# # # # # # # arr3[0][2]# # # # # # # # # # # # # # ")

print(arr3[0][2])

print("# # # # # # # arr3[0][2][0] # # # # # # # # # # # # # # ")

print(arr3[0][2][0])

print("# # # # # # # arr3[0][2][1]# # # # # # # # # # # # # # ")

print(arr3[0][2][1])

print("# # # # # # # arr3[0][2][2]# # # # # # # # # # # # # # ")

print(arr3[0][2][2])

# 切片,,,在各维度上单独切片,如果纬度都保留,则使用冒号,不指定起始值

print("# # # # # # # arr3[0,:,0:2]# # # # # # # # # # # # # # ")

print(arr3[0,:,0:2])

print("# # # # # # # arr3[1,:,0:2]# # # # # # # # # # # # # # ")

print(arr3[1,:,0:2])

print("# # # # # # # arr3[2,:,0:2]# # # # # # # # # # # # # # ")

print(arr3[2,:,0:2])

print("# # # # # # # arr3[:,:,0:2]# # # # # # # # # # # # # # ")

print(arr3[:,:,0:2])

print("# # # # # # # arr3[:,0,0:2]# # # # # # # # # # # # # # ")

print(arr3[:,0,0:2])

print("# # # # # # # arr3[:,1,0:2]# # # # # # # # # # # # # # ")

print(arr3[:,1,0:2])

print("# # # # # # # arr3[:,2,0:2]# # # # # # # # # # # # # # ")

print(arr3[:,2,0:2])

ndarray-布尔类型索引

#  利用布尔类型的数组进行数据索引,最终返回的结果是对应索引数组中数据为True位置的值。

# numpy中不能使用Python中and、or、not,使用&(与)、|(或)、~(非)

arr6=np.random.random((3,4))

print(arr6)

print("# # # # # # ## #arr6>0.5得到的布尔值,为真则取该位置的值,否则就舍去 # # # # # # # # # ")

# A=arr6<0.5

A=arr6>0.5

print(A)

print("# # # # # # ## # # # # # #将对应的布尔值转换为一维数组 # # # # # # # # # # # # # # ## # ")

# 装换成一维数组

arr7=arr6[A]

print(arr7)

print(arr7.shape)


# 利用布尔值进行索引的一个应用实例

names=np.array(['Gerry','Tom','John'])

scores=np.array([

    [98,87,86,95],

    [48,84,84,45],

    [58,7,81,95]

])

class1=np.array(['语文','数学','英语','科学'])

print("Gerry score is:",scores[names=='Gerry'].reshape((-1)))

print("Gerry score is:",scores[names=='Gerry'].reshape((-1))[class1=='数学'])

print("Gerry和Tom的成绩")

print(scores[(names=='Gerry')|(names=='Tom')])

print("非Gerry和Tom的成绩")

print(scores[(names!='Gerry')&(names!='Tom')])

print("成绩大于90的全部输出")

print(scores[scores>90])

ndarray-花式索引:指的是利用整数数组进行索引的方式。

arr7=np.arange(40).reshape(5,8)

print(arr7)

print("获取第0、3、5行的数据")

print(arr7[[0,2,4]])

print("获取第(0,0)、(3,0)、(4,2)的数据")

print(arr7[[0,3,4],[0,0,2]])

print("获取第0、3、5行的第0、2、3列数据")

print(arr7[[0,3,4]].T[[0,1,2]].T)

print("ix_会产生一个索引器")

print(arr7[np.ix_([0,3,4],[0,1,2])])


# ndarray-花式索引:指的是利用整数数组进行索引的方式。

arr7=np.arange(40).reshape(5,8)

print(arr7)

print("获取第0、3、5行的数据")

print(arr7[[0,2,4]])

print("获取第(0,0)、(3,0)、(4,2)的数据")

print(arr7[[0,3,4],[0,0,2]])

print("获取第0、3、5行的第0、2、3列数据")

print(arr7[[0,3,4]])

print("##################")

print(arr7[[0,3,4]].T)

print("##################")

print(arr7[[0,3,4]].T[[0,1,2]])

print("##################")

print(arr7[[0,3,4]].T[[0,1,2]].T)

print("ix_会产生一个索引器")

print(arr7[np.ix_([0,3,4],[0,1,2])])

ndarray-数组转置与轴对换

# 数组转置是指将shape进行重置操作,并将其值重置为原始shape元组的倒置,

# 比如原始的shape值为:(2,3,4),那么转置后的新元组的shape的值为: (4,3,2)f

# 可以通过调用数组的transpose函数或者T属性进行数组转置操作

arr=np.random.random(30).reshape(3,5,2)

print(arr)

print("#############################################")

arr1=arr.T

print(arr1)

print("#############################################")

arr2=np.transpose(arr1)

print(arr2)

ndarray-通用函数/常用函数

numpy模块中对ndarray中数据进行快速元素级运算的函数,也可以看做是简单的函数(接受一个或多个标量值,并产生一个或多个标量值)的矢量化包装器。主要包括一元函数和二元函数。

一元函数

arr3=np.array([

    [1,2,-3],

    [0.1,0.6,-0.4]

])

print(arr3)

print("#############################################")

# abs fabs计算绝对值

print(np.abs(arr3))

print("#############################################")

# sqrt 计算各元素的平方根

print(np.sqrt(abs(arr3)))

print("#############################################")

# square计算各元素的评分:arr3**2

print(np.square(arr3))

print("#############################################")

# exp计算各元素指数e的x次方

print(np.exp(arr3))

print("#############################################")

# log2、log10分别计算底数为10、2的log值,以及log(1+x)

print(np.log10(abs(arr3)))

print(np.log2(abs(arr3)))

print(np.log1p(abs(arr3)))

print("#############################################")

# sign计算各个元素的正负号,1:正号  0:0  -1:负号

print(np.sign(arr3))

print("#############################################")

# ceil 计算各个元素的ceil值,大于等于该值的最小整数

print(np.ceil(arr3))

print("#############################################")

# floor 计算各个元素的floor的值,小于等于该值的最大整数

print(np.floor(arr3))

print("#############################################")

# rint 将各个元素的四书五入到最接近的整数

print(np.rint(arr3)

print("#############################################")

# modf 将数组中元素的小数位和整数位以两部分独立数组的形式返回

print(np.modf(arr3))

print("#############################################")

# isnan 返回一个表示“那些值是NaN(不是一个数字)”的布尔类型数组

print(np.isnan(arr3))

print("#############################################")

# isfinite、isinf  分别一个表示”那些元素是有穷的(非inf、非NaN)”或者“那些元素是无穷的”的布尔型数组

print(np.isfinite(arr3))

print(np.isinf(arr3))

print("#############################################")

# cos、cosh、sin、sinh、tan、tanh  普通以及双曲型三角函数

print(np.tan(arr3))

print("#############################################")

# arccos、arccosh、arcsin、arcsinh、arctan、arctanh 反三角函数

print(np.arctan(arr3))

二元函数

arr4=np.array([

    [1,0,-3],

    [0.1,0.6,-0.4]

])

arr5=np.array([

    [2,-5,8],

    [-0.1,-0.6,0.4],

])

arr6=np.array([

    [2,-5,8],

    [-0.1,-0.6,0.4],

    [-0.1,-0.6,0.4]

])

print("#############################################")

# mod 取模运算,做除法运算之后的余数

print(np.mod(arr4,arr5))

print("#############################################")

# dot 求两个数组的点积

print(np.dot(arr4,arr6))

print("#############################################")

# greater(大于)、greater_equal(大于等于)、less(小于)、less_equal(小于等于)、equal(等于)、not_equal(不等于)

# 执行元素级别的比较运算,最终返回一个布尔型数组

print(np.greater(arr4,arr5))

print("#############################################")

# logical_and、logical_or、logical_xor

# 执行元素级别的布尔逻辑运算,相当于中缀运算符&、|、^

print(np.logical_and(arr4,arr5))

print(np.logical_xor(arr4,arr5))

print("#############################################")

# power 求解对数组中的每个元素进行给定次数的指数值,类似于: arr ** 3

print(np.power(arr3,4))

ndarray-聚合函数

聚合函数是对一组值(eg一个数组)进行操作,返回一个单一值作为结果的函数。

当然聚合函数也可以指定对某个具体的轴进行数据聚合操作;

#常将的聚合操作有:平均值mean、最大值max、最小值min、方差std等等

arr7=np.array([

    [2,-5,8],

    [-0.1,-0.6,0.4],

    [-0.1,-0.6,0.4]

])

print(np.mean(arr7))

print(np.max(arr7))

print(np.min(arr7))

print(np.std(arr7))

np.where函数

# np.where函数是三元表达式x if condition else y的矢量化版本

arr8=np.array([2,7,8])

arr9=np.array([-0.1,-0.6,0.4])

condition=arr8>arr

result=np.where(condition,arr8,arr9)

print(result)

np.unique函数

# np.unique函数的主要作用是将数组中的元素进行去重操作(也就是只保存不重复的数据)

arr10=np.array(["Python","Python","java"])

print(arr10)

print(np.unique(arr10))

总结

以上为个人经验,希望能给大家一个参考,也希望大家多多支持脚本之家。

网友评论

验证码 换一张
取 消
暂无评论...
三日内热门评论文章
关键词
为您推荐
  • 相关阅读
  • 业界资讯
  • 手机通讯
  • 电脑办公
  • 新奇数码
  • 软件游戏
  • 科学探索