ndarray数组的转置(transpose)和轴对换方式

云初冀北 02-06 74 抢沙发

默认

摘要： 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swa...

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：

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云初冀北。

免责声明

本站提供的资源，都来自网络，版权争议与本站无关，所有内容及软件的文章仅限用于学习和研究目的。不得将上述内容用于商业或者非法用途，否则，一切后果请用户自负，我们不保证内容的长久可用性，通过使用本站内容随之而来的风险与本站无关，您必须在下载后的24个小时之内，从您的电脑/手机中彻底删除上述内容。如果您喜欢该程序，请支持正版软件，购买注册，得到更好的正版服务。侵删请致信E-mail：Goliszhou@gmail.com

标签： ndarray 转置 transpose 轴对换