ndarray數(shù)組的轉(zhuǎn)置(transpose)和軸對換方式
更新時(shí)間：2023年02月05日 09:21:59 作者：skybell
這篇文章主要介紹了ndarray數(shù)組的轉(zhuǎn)置(transpose)和軸對換方式，具有很好的參考價(jià)值，希望對大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教
ndarray數(shù)組的轉(zhuǎn)置（transpose）和軸對換
轉(zhuǎn)置可以對數(shù)組進(jìn)行重置，返回的是源數(shù)據(jù)的視圖（不會進(jìn)行任何復(fù)制操作）。
轉(zhuǎn)置有三種方式，transpose方法、T屬性以及swapaxes方法。
1 .T
import numpy as np arr = np.arange(9).reshape((3,3))#生成一個(gè)3行3列的數(shù)組 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
對于高維數(shù)組，transpose需要用到一個(gè)由軸編號組成的元組，才能進(jìn)行轉(zhuǎn)置。
比如說三維的數(shù)組，那就對維度進(jìn)行編號，也就是0,1,2。這里的0,1,2可以理解為對shape返回元組的索引。
比如
arr1 = np.arange(24).reshape(2,3,4)#生成一個(gè)2*3*4的數(shù)組 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 #看形狀 (2, 3, 4) #說明這是一個(gè)2*3*4的數(shù)組（矩陣），返回的是一個(gè)元組，可以對元組進(jìn)行索引，也就是0,1,2
transpose((1,0,2)) 的意義在于將 (2, 3, 4) 轉(zhuǎn)成 (3, 2, 4) ，比如，數(shù)值12開始的索引是 [1,0,0] ，變換后變成了 [0,1,0] ,如下圖：
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，它接受一對軸編號。進(jìn)行軸對換。
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) #將第一個(gè)軸和第二個(gè)軸交換，對比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數(shù)據(jù)基本操作
數(shù)組與標(biāo)量的運(yùn)算
arr1=np.random.random((2,3)) arr2=np.random.random((2,3)) arr3=np.random.random((3,2)) print(arr1) # 加減乘除、乘方 print(arr1*2) print() print(arr1+2) print() print(arr1-2) print() print(arr1/2) print() print(arr1**2)
數(shù)組與數(shù)組的運(yùn)算
# 加減乘除、乘方、數(shù)組的矩陣積 # 兩個(gè)二維矩陣(行和列的矩陣)滿足第一個(gè)矩陣的列數(shù)與第二個(gè)矩陣的行數(shù)相同， # 那么可以進(jìn)行矩陣的乘法，即矩陣積，矩陣積不是元素級的運(yùn)算。也稱為點(diǎn)積、數(shù)量積。 print(arr1+arr2) print() print(arr1-arr2) print() print(arr1*arr2) print() print(arr1/arr2) print() print(arr1**arr2) print() print(arr1.dot(arr3))
數(shù)組的索引與切片
# 定義一個(gè)3*3*3的數(shù)組
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,,,在各維度上單獨(dú)切片，如果緯度都保留，則使用冒號，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-布爾類型索引
# ?利用布爾類型的數(shù)組進(jìn)行數(shù)據(jù)索引，最終返回的結(jié)果是對應(yīng)索引數(shù)組中數(shù)據(jù)為True位置的值。
# numpy中不能使用Python中and、or、not，使用&（與）、|（或）、~（非）
arr6=np.random.random((3,4))
print(arr6)
print("# # # # # # ## #arr6>0.5得到的布爾值，為真則取該位置的值，否則就舍去 # # # # # # # # # ")
# A=arr6<0.5
A=arr6>0.5
print(A)
print("# # # # # # ## # # # # # #將對應(yīng)的布爾值轉(zhuǎn)換為一維數(shù)組 # # # # # # # # # # # # # # ## # ")
# 裝換成一維數(shù)組
arr7=arr6[A]
print(arr7)
print(arr7.shape)
# 利用布爾值進(jìn)行索引的一個(gè)應(yīng)用實(shí)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(['語文','數(shù)學(xué)','英語','科學(xué)'])
print("Gerry score is:",scores[names=='Gerry'].reshape((-1)))
print("Gerry score is:",scores[names=='Gerry'].reshape((-1))[class1=='數(shù)學(xué)'])
print("Gerry和Tom的成績")
print(scores[(names=='Gerry')|(names=='Tom')])
print("非Gerry和Tom的成績")
print(scores[(names!='Gerry')&(names!='Tom')])
print("成績大于90的全部輸出")
print(scores[scores>90])ndarray-花式索引：指的是利用整數(shù)數(shù)組進(jìn)行索引的方式。
arr7=np.arange(40).reshape(5,8)
print(arr7)
print("獲取第0、3、5行的數(shù)據(jù)")
print(arr7[[0,2,4]])
print("獲取第(0,0)、(3,0)、(4,2)的數(shù)據(jù)")
print(arr7[[0,3,4],[0,0,2]])
print("獲取第0、3、5行的第0、2、3列數(shù)據(jù)")
print(arr7[[0,3,4]].T[[0,1,2]].T)
print("ix_會產(chǎn)生一個(gè)索引器")
print(arr7[np.ix_([0,3,4],[0,1,2])])
# ndarray-花式索引：指的是利用整數(shù)數(shù)組進(jìn)行索引的方式。
arr7=np.arange(40).reshape(5,8)
print(arr7)
print("獲取第0、3、5行的數(shù)據(jù)")
print(arr7[[0,2,4]])
print("獲取第(0,0)、(3,0)、(4,2)的數(shù)據(jù)")
print(arr7[[0,3,4],[0,0,2]])
print("獲取第0、3、5行的第0、2、3列數(shù)據(jù)")
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_會產(chǎn)生一個(gè)索引器")
print(arr7[np.ix_([0,3,4],[0,1,2])])ndarray-數(shù)組轉(zhuǎn)置與軸對換
# 數(shù)組轉(zhuǎn)置是指將shape進(jìn)行重置操作，并將其值重置為原始shape元組的倒置，
# 比如原始的shape值為:(2,3,4)，那么轉(zhuǎn)置后的新元組的shape的值為: (4,3,2)f
# 可以通過調(diào)用數(shù)組的transpose函數(shù)或者T屬性進(jìn)行數(shù)組轉(zhuǎn)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-通用函數(shù)/常用函數(shù)
numpy模塊中對ndarray中數(shù)據(jù)進(jìn)行快速元素級運(yùn)算的函數(shù)，也可以看做是簡單的函數(shù)(接受一個(gè)或多個(gè)標(biāo)量值，并產(chǎn)生一個(gè)或多個(gè)標(biāo)量值)的矢量化包裝器。主要包括一元函數(shù)和二元函數(shù)。
一元函數(shù)
arr3=np.array([
? ? [1,2,-3],
? ? [0.1,0.6,-0.4]
])
print(arr3)
print("#############################################")
# abs fabs計(jì)算絕對值
print(np.abs(arr3))
print("#############################################")
# sqrt 計(jì)算各元素的平方根
print(np.sqrt(abs(arr3)))
print("#############################################")
# square計(jì)算各元素的評分：arr3**2
print(np.square(arr3))
print("#############################################")
# exp計(jì)算各元素指數(shù)e的x次方
print(np.exp(arr3))
print("#############################################")
# log2、log10分別計(jì)算底數(shù)為10、2的log值，以及l(fā)og(1+x)
print(np.log10(abs(arr3)))
print(np.log2(abs(arr3)))
print(np.log1p(abs(arr3)))
print("#############################################")
# sign計(jì)算各個(gè)元素的正負(fù)號,1:正號 ?0:0 ?-1:負(fù)號
print(np.sign(arr3))
print("#############################################")
# ceil 計(jì)算各個(gè)元素的ceil值,大于等于該值的最小整數(shù)
print(np.ceil(arr3))
print("#############################################")
# floor 計(jì)算各個(gè)元素的floor的值，小于等于該值的最大整數(shù)
print(np.floor(arr3))
print("#############################################")
# rint 將各個(gè)元素的四書五入到最接近的整數(shù)
print(np.rint(arr3)
print("#############################################")
# modf 將數(shù)組中元素的小數(shù)位和整數(shù)位以兩部分獨(dú)立數(shù)組的形式返回
print(np.modf(arr3))
print("#############################################")
# isnan 返回一個(gè)表示“那些值是NaN(不是一個(gè)數(shù)字)”的布爾類型數(shù)組
print(np.isnan(arr3))
print("#############################################")
# isfinite、isinf ?分別一個(gè)表示”那些元素是有窮的(非inf、非NaN)”或者“那些元素是無窮的”的布爾型數(shù)組
print(np.isfinite(arr3))
print(np.isinf(arr3))
print("#############################################")
# cos、cosh、sin、sinh、tan、tanh ?普通以及雙曲型三角函數(shù)
print(np.tan(arr3))
print("#############################################")
# arccos、arccosh、arcsin、arcsinh、arctan、arctanh 反三角函數(shù)
print(np.arctan(arr3))二元函數(shù)
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 取模運(yùn)算,做除法運(yùn)算之后的余數(shù)
print(np.mod(arr4,arr5))
print("#############################################")
# dot 求兩個(gè)數(shù)組的點(diǎn)積
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）
# 執(zhí)行元素級別的比較運(yùn)算，最終返回一個(gè)布爾型數(shù)組
print(np.greater(arr4,arr5))
print("#############################################")
# logical_and、logical_or、logical_xor
# 執(zhí)行元素級別的布爾邏輯運(yùn)算，相當(dāng)于中綴運(yùn)算符&、|、^
print(np.logical_and(arr4,arr5))
print(np.logical_xor(arr4,arr5))
print("#############################################")
# power 求解對數(shù)組中的每個(gè)元素進(jìn)行給定次數(shù)的指數(shù)值，類似于: arr ** 3
print(np.power(arr3,4))ndarray-聚合函數(shù)
聚合函數(shù)是對一組值(eg一個(gè)數(shù)組)進(jìn)行操作，返回一個(gè)單一值作為結(jié)果的函數(shù)。
當(dāng)然聚合函數(shù)也可以指定對某個(gè)具體的軸進(jìn)行數(shù)據(jù)聚合操作；
#常將的聚合操作有：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函數(shù)
# np.where函數(shù)是三元表達(dá)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函數(shù)
# np.unique函數(shù)的主要作用是將數(shù)組中的元素進(jìn)行去重操作(也就是只保存不重復(fù)的數(shù)據(jù)) arr10=np.array(["Python","Python","java"]) print(arr10) print(np.unique(arr10))
總結(jié)
以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
這篇文章主要介紹了在windows下快速搭建web.py開發(fā)框架方法,需要的朋友可以參考下2016-04-04
Python數(shù)據(jù)分析pandas之布爾索引使用詳解
這篇文章主要為大家介紹了Python數(shù)據(jù)分析pandas之布爾索引使用示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2023-07-07
Python基礎(chǔ)之循環(huán)語句相關(guān)知識總結(jié)
今天給大家?guī)淼氖顷P(guān)于Python基礎(chǔ)的相關(guān)知識,文章圍繞著Python循環(huán)語句展開,文中有非常詳細(xì)的介紹及代碼示例,需要的朋友可以參考下2021-06-06
pytorch報(bào)錯(cuò)問題:ValueError: num_samples should be
這篇文章主要介紹了pytorch報(bào)錯(cuò)問題:ValueError: num_samples should be a positive integer value, but got num_samples=0的解決方案,希望對大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2024-02-02
這篇文章主要介紹了Python中條件判斷語句的簡單使用方法,是Python入門學(xué)習(xí)中的基礎(chǔ)知識,需要的朋友可以參考下2015-08-08
Python實(shí)現(xiàn)判斷一個(gè)整數(shù)是否為回文數(shù)算法示例
這篇文章主要介紹了Python實(shí)現(xiàn)判斷一個(gè)整數(shù)是否為回文數(shù)算法,結(jié)合實(shí)例形式分析了Python針對字符串的翻轉(zhuǎn)、判斷等相關(guān)操作技巧,需要的朋友可以參考下2019-03-03
Python讀寫Excel文件庫的實(shí)現(xiàn)示例
本文主要介紹了Python讀寫Excel文件庫的實(shí)現(xiàn)示例,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-08-08
在日常生活中,有好聽的翻唱視頻或音樂視頻可以將其音頻分離保存到網(wǎng)易云或QQ音樂中隨時(shí)聽,然而大部分的音頻分離軟件需要下載和安裝,所以本文就來分享一種提取音頻的簡便方法吧2023-09-09
淺析python 中__name__ = ''__main__'' 的作用
這篇文章主要介紹了python 中__name__ = '__main__' 的作用，對于初學(xué)者來說很有幫助,需要的朋友可以參考下2014-07-07
這篇文章主要介紹了Python實(shí)現(xiàn)線程池代碼分享,本文直接給出實(shí)例代碼,需要的朋友可以參考下2015-06-06