Python之Numpy大法-03数值计算
这篇log记录array数组的数值计算
首先还是常规操作，import numpy，并且定义一个测试用的数组test_array(老规矩，黑色框内是代码，黑色框下面的灰色框是代码的输出)
input:
import numpy as np
test_array = np.array([[1,2,3],[4,5,6]])
test_array
output:
array([[1, 2, 3],
[4, 5, 6]])
- 对数组内所有元素都进行求和操作
input:
np.sum(test_array)
output:
21
- 指定要进行的操作是沿着什么轴（维度）
- axis=0表示对列进行操作
- axis=1表示对行进行操作
input:
np.sum(test_array, axis = 0)
output:
array([5, 7, 9])
input:
np.sum(test_array, axis = 1)
output:
array([ 6, 15])
input:
np.sum(test_array,axis=-1)
output:
array([ 6, 15])
input:
test_array.sum()
output:
21
input:
test_array.sum(axis = 0)
output:
array([5, 7, 9])
input:
test_array.sum(axis = 1)
output:
array([ 6, 15])
- 对数组内元素进行累乘
input:
test_array.prod()
output:
720
input:
test_array.prod(axis = 0)
output:
array([ 4, 10, 18])
input:
test_array.prod(axis = 1)
output:
array([ 6, 120])
- 取最小值
input:
test_array.min()
output:
1
input:
test_array.min(axis = 0)
output:
array([1, 2, 3])
input:
test_array.min(axis = 1)
output:
array([1, 4])
- 取最大值
input:
test_array.max()
output:
6
- 找到索引位置
input:
test_array.argmin()
output:
0
input:
test_array.argmin(axis = 0)
output:
array([0, 0, 0])
input:
test_array.argmin(axis=1)
output:
array([0, 0])
input:
test_array.argmax()
output:
5
- 求平均值
input:
test_array.mean()
output:
3.5
input:
test_array.mean(axis = 0)
output:
array([2.5, 3.5, 4.5])
- 求标准差
input:
test_array.std()
output:
1.707825127659933
input:
test_array.std(axis = 1)
output:
array([0.81649658, 0.81649658])
- 求方差
input:
test_array.var()
output:
2.9166666666666665
- 截断操作
input:
test_array
output:
array([[1, 2, 3],
[4, 5, 6]])
input:
test_array.clip(2,4)
output:
array([[2, 2, 3],
[4, 4, 4]])
- 四舍五入
input:
test_array = np.array([1.2,3.56,6.41])
input:
test_array.round(1) # round()里面的参数控制小数点精确到多少位，参数名称：decimals
output:
array([1.2, 3.6, 6.4])
input:
test_array.round(decimals=1)
output:
array([1.2, 3.6, 6.4])
2020年7月25日更新
本文地址：https://blog.csdn.net/Echo_dat/article/details/107573773