《(1.26)--3.1.1numpy数组及其运算（二）.ppt》由会员分享，可在线阅读，更多相关《(1.26)--3.1.1numpy数组及其运算（二）.ppt（15页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、大数据分析与可视化BIG DATABIG DATA大数据，成就大未来！1 大数据分析基础2 大数据可视化实战BIG DATABIG DATA大数据，成就大未来！大数据分析与可视化1大数据分析基础1.1 numpy数组及其运算1.1.5 数组与数组的运算 两个等长数组讲行算术运算后，得到一个新数组，其中每个元素的值为原来的两个数组中对应位置上的元素进行算术运行的结果。当数组大小不一样时，如果符合广播要求则进行广播，否则就报错并结束运行。大数据，成就大未来！大数据分析与可视化1大数据分析基础1.1 numpy数组及其运算1.1.5 数组与数组的运算 np.array(1,2,3,4)+np.arr
2、ay(4,3,2,1)#等长数组相加，对应元素相加，返回信数组array(5,5,5,5)np.array(1,2,3,4)+np.array(4)#数组中每个元素加4，数组不等长，广播array(5,6,7,8)a=np.array(1,2,3)a+a#等长数组之间的加法运算，对应元素相加array(2,4,6)a*a#等长数组之间的乘法运算，对应元素相乘array(1,4,9)a-a#等长数组之间的减法运算，对应元素相减array(0,0,0)a/a#等长数组之间的除法运算，对应元素相除array(1.,1.,1.)a*a#等长数组之间的幂运算，对应元素乘方array(1,4,27,dty
3、pe=int32)大数据，成就大未来！大数据分析与可视化1大数据分析基础1.1 numpy数组及其运算1.1.5 数组与数组的运算 a=np.array(1,2,3)b=np.array(1,2,3,4,5,6,7,8,9)c=a*b#不同维度的数组与数组相乘，广播 c#a中的每个元素乘以b中对应列的元素#a中下标0的元素乘以b中列下标0的元素#a中下标1的元素乘以b中列下标1的元素#a中下标2的元素乘以b中列下标2的元素array(1,4,9,4,10,18,7,16,27)a+b#a中每个元素加b中的对应列元素array(2,4,6,5,7,9,8,10,12)大数据，成就大未来！大数据分
4、析与可视化1大数据分析基础1.1 numpy数组及其运算1.1.6 数组排序 扩展库numpy 的 argsort()函数用来返回一个数组，其中的每个元素为原数组中元素的索引，表示应该把原数组中哪个位置上的元素放在这个位置。另外，numpy还提供了argmal函数（）和 argmin()函数，分别用来返回数组中最大元素和最小元素的下标，而数组本身也提供了原地排序方法 sort()。大数据，成就大未来！大数据分析与可视化1大数据分析基础1.1 numpy数组及其运算1.1.6 数组排序 x=np.array(3,1,2)np.argsort(x)#返回排序后元素的原下标array(1,2,0,d
5、type=int64)#原数组中下标1的元素最小 x_#使用数组做下标，获取对应位置的元素array(1,2,3)x=np.array(3,1,2,4)x.argmax(),x.argmin()#最大值和最小值的下标(3,1)np.argsort(x)array(1,2,0,3,dtype=int64)x_array(1,2,3,4)x.sort()#原地排序 xarray(1,2,3,4)大数据，成就大未来！大数据分析与可视化1大数据分析基础1.1 numpy数组及其运算1.1.7 数组的内积运算 扩展库numpy提供了dot()函数用来计算两个数组的内积，扩展库numpy 中的数组也提供了
6、dot()方法用来计算和另一个数组的内积，也可以借助于内置sum()函数来计算两个数组的内积。内积之和的计算公式大数据，成就大未来！大数据分析与可视化1大数据分析基础1.1 numpy数组及其运算1.1.7 数组的内积运算import numpy as npx=np.array(1,2,3)y=np.array(4,5,6)print(np.dot(x,y)#输出结果都是32print(x.dot(y)print(sum(x*y)大数据，成就大未来！大数据分析与可视化1大数据分析基础1.1 numpy数组及其运算1.1.8 访问数组中的元素在numpy中，用户可以使用下标和切片的形式来访问数组
7、中的某个或多个元素，形式非常灵活。大数据，成就大未来！大数据分析与可视化1大数据分析基础1.1 numpy数组及其运算1.1.8 访问数组中的元素 import numpy as np b=np.array(1,2,3,4,5,6,7,8,9)barray(1,2,3,4,5,6,7,8,9)b0#第0行所有元素array(1,2,3)b00#第0行第0列的元素1 b0,2#第0行第2列的元素，等价于b02的形式3 b0,1#第0行和第1行的所有元素，只指定行下标，不指定列下标，表示所有列array(1,2,3,4,5,6)b0,2,1,2,1,0#第0行第2列、第2行第1列、第1行第0列的元
8、素#第一个列表表示行下标，第二个列表表示列下标array(3,8,4)大数据，成就大未来！大数据分析与可视化1大数据分析基础1.1 numpy数组及其运算1.1.8 访问数组中的元素 a=np.arange(10)aarray(0,1,2,3,4,5,6,7,8,9)a:-1#反向切片array(9,8,7,6,5,4,3,2,1,0)a:2#隔一个取一个元素array(0,2,4,6,8)a:5#前5个元素array(0,1,2,3,4)大数据，成就大未来！大数据分析与可视化1大数据分析基础1.1 numpy数组及其运算1.1.8 访问数组中的元素 c=np.arange(25)#创建数组
9、c.shape=5,5#修改数组形状 carray(0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24)c0,2:5#第0行中下标2,5)之间的元素值array(2,3,4)c1#第1行所有元素#不指定列下标，表示所有列array(5,6,7,8,9)c2:5,2:5#行下标和列下标都介于2,5)之间的元素值array(12,13,14,17,18,19,22,23,24)大数据，成就大未来！大数据分析与可视化1大数据分析基础1.1 numpy数组及其运算1.1.8 访问数组中的元素 c1,3,2,4#第1行第2列的元素和第3行第4列的元素array(7,19)c1,3,2:4#第1行和第3行的第2、3列array(7,8,17,18)c:,2,4#第2列和第4列所有元素，对行下标进行切片，冒号表示所有行array(2,4,7,9,12,14,17,19,22,24)c:,3#第3列所有元素array(3,8,13,18,23)c1,3#第1行和第3行所有元素array(5,6,7,8,9,15,16,17,18,19)c1,3:,2,4#第1、3行的2、4列元素array(7,9,17,19)BIG DATABIG DATA感谢您的观看！