總結了 11 種 Numpy 的高級操作！
↑?關注 + 星標?，每天學Python新技能
后臺回復【大禮包】送你Python自學大禮包
熬夜整理了11種Numpy的高級操作，每一種都有參數解釋與小例子輔助說明，希望對你有所幫助，看完記得點個贊收藏起呀哇～
01數組上的迭代
NumPy 包含一個迭代器對象numpy.nditer。它是一個有效的多維迭代器對象，可以用于在數組上進行迭代。數組的每個元素可使用 Python 的標準Iterator接口來訪問。
import?numpy?as?np
a?=?np.arange(0,?60,?5)
a?=?a.reshape(3,?4)
print(a)
for?x?in?np.nditer(a):
????print(x)
[[ 0 5 10 15]
[20 25 30 35]
[40 45 50 55]]
0
5
10
15
20
25
30
35
40
45
50
55
如果兩個數組是可廣播的，nditer組合對象能夠同時迭代它們。假設數 組a具有維度 3X4，并且存在維度為 1X4 的另一個數組b，則使用以下類型的迭代器(數組b被廣播到a的大小)。
import?numpy?as?np
a?=?np.arange(0,?60,?5)
a?=?a.reshape(3,?4)
print(a)
b?=?np.array([1,?2,?3,?4],?dtype=int)
print(b)
for?x,?y?in?np.nditer([a,?b]):
????print(x,?y)
[[ 0 5 10 15]
[20 25 30 35]
[40 45 50 55]]
[1 2 3 4]
0 1
5 2
10 3
15 4
20 1
25 2
30 3
35 4
40 1
45 2
50 3
55 4
02 數組形狀修改函數
1.ndarray.reshape
函數在不改變數據的條件下修改形狀，參數如下：
ndarray.reshape(arr, newshape, order)
import?numpy?as?np
a?=?np.arange(8)
print(a)
b?=?a.reshape(4,?2)
print(b)
[0 1 2 3 4 5 6 7]
[[0 1]
[2 3]
[4 5]
[6 7]]
2.ndarray.flat
函數返回數組上的一維迭代器，行為類似 Python 內建的迭代器。
import?numpy?as?np
a?=?np.arange(0,?16,?2).reshape(2,?4)
print(a)
#?返回展開數組中的下標的對應元素
print(list(a.flat))
[[ 0 2 4 6]
[ 8 10 12 14]]
[0, 2, 4, 6, 8, 10, 12, 14]
3.ndarray.flatten
函數返回折疊為一維的數組副本，函數接受下列參數：
ndarray.flatten(order)
其中：
order：‘C’ — 按行，‘F’ — 按列，‘A’ — 原順序，‘k’ —元素在內存中的出現(xiàn)順序。
import?numpy?as?np
a?=?np.arange(8).reshape(2,?4)
print(a)
#?default?is?column-major
print(a.flatten())
print(a.flatten(order='F'))
[[0 1 2 3]
[4 5 6 7]]
[0 1 2 3 4 5 6 7]
[0 4 1 5 2 6 3 7]
03 數組翻轉操作函數
1.numpy.transpose
函數翻轉給定數組的維度。如果可能的話它會返回一個視圖。函數接受下列參數：
numpy.transpose(arr, axes)
其中：
arr：要轉置的數組a xes：整數的列表，對應維度，通常所有維度都會翻轉。
import?numpy?as?np
a?=?np.arange(24).reshape(2,?3,?4)
print(a)
b?=?np.array(np.transpose(a))
print(b)
print(b.shape)
[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]]
[[[ 0 12]
[ 4 16]
[ 8 20]]
[[ 1 13]
[ 5 17]
[ 9 21]]
[[ 2 14]
[ 6 18]
[10 22]]
[[ 3 15]
[ 7 19]
[11 23]]]
(4, 3, 2)
b?=?np.array(np.transpose(a,?(1,?0,?2)))
print(b)
print(b.shape
[[[ 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, 2, 4)
2. numpy.ndarray.T
該函數屬于ndarray類，行為類似于numpy.transpose.
import?numpy?as?np
a?=?np.arange(12).reshape(3,?4)
print(a)
print(a.T)
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[ 0 4 8]
[ 1 5 9]
[ 2 6 10]
[ 3 7 11]]
3.numpy.swapaxes
函數交換數組的兩個軸。這個函數接受下列參數：
numpy.swapaxes(arr, axis1, axis2)
其中：
arr：要交換其軸的輸入數組axis1：對應第一個軸的整數axis2：對應第二個軸的整數
import?numpy?as?np
a?=?np.arange(8).reshape(2,?2,?2)
print(a)
print(np.swapaxes(a,?2,?0))
[[[0 1]
[2 3]]
[[4 5]
[6 7]]]
[[[0 4]
[2 6]]
[[1 5]
[3 7]]]
4.numpy.rollaxis
numpy.rollaxis() 函數向后滾動特定的軸，直到一個特定位置。這個函數接受三個參數：
numpy.rollaxis(arr, axis, start)
其中：
arr：輸入數組axis：要向后滾動的軸，其它軸的相對位置不會改變start：默認為零，表示完整的滾動。會滾動到特定位置。
import?numpy?as?np
a?=?np.arange(8).reshape(2,2,2)
print(a)
print(np.rollaxis(a,2))
print(np.rollaxis(a,2,1))
[[[0 1]
[2 3]]
[[4 5]
[6 7]]]
[[[0 2]
[4 6]]
[[1 3]
[5 7]]]
[[[0 2]
[1 3]]
[[4 6]
[5 7]]]
04 數組修改維度函數
1.numpy.broadcast_to
函數將數組廣播到新形狀。它在原始數組上返回只 讀視圖。它通常不連續(xù)。如果新形狀不符合 NumPy 的廣播規(guī)則，該函數可能會拋出ValueError。該函數接受以下參數：
numpy.broadcast_to(array, shape, subok)
import?numpy?as?np
a?=?np.arange(4).reshape(1,4)
print(a)
print(np.broadcast_to(a,(4,4)))
[[0 1 2 3]]
[[0 1 2 3]
[0 1 2 3]
[0 1 2 3]
[0 1 2 3]]
2.numpy.expand_dims
函數通過在指定位置插入新的軸來擴展數組形狀。該函數需要兩個參數：
numpy.expand_dims(arr, axis)
其中：
arr：輸入數組axis：新軸插入的位置
import?numpy?as?np
x?=?np.array(([1,?2],?[3,?4]))
print(x)
y?=?np.expand_dims(x,?axis=0)
print(y)
print(x.shape,?y.shape)
y?=?np.expand_dims(x,?axis=1)
print(y)
print(x.ndim,?y.ndim)
print(x.shape,?y.shape)
[[1 2]
[3 4]]
[[[1 2]
[3 4]]]
(2, 2) (1, 2, 2)
[[[1 2]]
[[3 4]]]
2 3
(2, 2) (2, 1, 2)
3.numpy.squeeze
函數從給定數組的形狀中刪除一維條目。此函數需要兩 個參數。
numpy.squeeze(arr, axis)
其中：
arr：輸入數組axis：整數或整數元組，用于選擇形狀中單一維度條目的子集
import?numpy?as?np
x?=?np.arange(9).reshape(1,?3,?3)
print(x)
y?=?np.squeeze(x)
print(y)
print(x.shape,?y.shape)
[[[0 1 2]
[3 4 5]
[6 7 8]]]
[[0 1 2]
[3 4 5]
[6 7 8]]
(1, 3, 3) (3, 3)
05 數組的連接操作
NumPy中數組的連接函數主要有如下四個：
concatenate沿著現(xiàn)存的軸連接數據序列stack沿著新軸連接數組序列hstack水平堆疊序列中的數組(列方向)vstack豎直堆疊序列中的數組(行方向)
1.numpy.stack
函數沿新軸連接數組序列，需要提供以下參數：
numpy.stack(arrays, axis)
其中：
arrays：相同形狀的數組序列axis：返回數組中的軸，輸入數組沿著它來堆疊
import?numpy?as?np
a?=?np.array([[1,2],[3,4]])
print(a)
b?=?np.array([[5,6],[7,8]])
print(b)
print(np.stack((a,b),0))
print(np.stack((a,b),1))
[[1 2]
[3 4]]
[[5 6]
[7 8]]
[[[1 2]
[3 4]]
[[5 6]
[7 8]]]
[[[1 2]
[5 6]]
[[3 4]
[7 8]]]
2.numpy.hstack
是numpy.stack()函數的變體，通過堆疊來生成水平的單個數組。
import?numpy?as?np
a?=?np.array([[1,?2],?[3,?4]])
print(a)
b?=?np.array([[5,?6],?[7,?8]])
print(b)
print('水平堆疊：')
c?=?np.hstack((a,?b))
print(c)
[[1 2]
[3 4]]
[[5 6]
[7 8]]
水平堆疊：
[[1 2 5 6]
[3 4 7 8]]
3.numpy.vstack
是numpy.stack()函數的變體，通過堆疊來生成豎直的單個數組。
import?numpy?as?np
a?=?np.array([[1,?2],?[3,?4]])
print(a)
b?=?np.array([[5,?6],?[7,?8]])
print(b)
print('豎直堆疊：')
c?=?np.vstack((a,?b))
print(c)
[[1 2]
[3 4]]
[[5 6]
[7 8]]
豎直堆疊：
[[1 2]
[3 4]
[5 6]
[7 8]]
4.numpy.concatenate
函數用于沿指定軸連接相同形狀的兩個或多個數組。該函數接受以下參數。
numpy.concatenate((a1, a2, …), axis)
其中：
a1, a2, ...：相同類型的數組序列axis：沿著它連接數組的軸，默認為 0
import?numpy?as?np
a?=?np.array([[1,2],[3,4]])
print(a)
b?=?np.array([[5,6],[7,8]])
print(b)
print(np.concatenate((a,b)))
print(np.concatenate((a,b),axis?=?1))
[[1 2]
[3 4]]
[[5 6]
[7 8]]
[[1 2]
[3 4]
[5 6]
[7 8]]
[[1 2 5 6]
[3 4 7 8]]
06 數組的分割操作
NumPy中數組的數組分割函數主要如下：
split將一個數組分割為多個子數組hsplit將一個數組水平分割為多個子數組(按列)vsplit將一個數組豎直分割為多個子數組(按行)
1.numpy.split
該函數沿特定的軸將數組分割為子數組。函數接受三個參數：
numpy.split(ary, indices_or_sections, axis)
其中：
ary：被分割的輸入數組indices_or_sections：可以是整數，表明要從輸入數組創(chuàng)建的，等大小的子數組的數量。如果此參數是一維數組，則其元素表明要創(chuàng)建新子數組的點。axis：默認為 0
import?numpy?as?np
a?=?np.arange(9)
print(a)
print('將數組分為三個大小相等的子數組：')
b?=?np.split(a,3)
print(b)
print('將數組在一維數組中表明的位置分割：')
b?=?np.split(a,[4,7])
print(b)
[0 1 2 3 4 5 6 7 8]
將數組分為三個大小相等的子數組：
[array([0, 1, 2]),
array([3, 4, 5]),
array([6, 7, 8])]
將數組在一維數組中表明的位置分割：
[array([0, 1, 2, 3]),
array([4, 5, 6]),
array([7, 8])]
2.numpy.hsplit
split()函數的特例，其中軸為 1 表示水平分割。
import?numpy?as?np
a?=?np.arange(16).reshape(4,4)
print(a)
print('水平分割：')
b?=?np.hsplit(a,2)
print(b)
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]]
水平分割：
[array([[ 0, 1],
[ 4, 5],
[ 8, 9],
[12, 13]]),
array([[ 2, 3],
[ 6, 7],
[10, 11],
[14, 15]])]
3.numpy.vsplit
split()函數的特例，其中軸為 0 表示豎直分割，無論輸入數組的維度是什么。
import?numpy?as?np
a?=?np.arange(16).reshape(4,4)
print(a)
print('豎直分割：')
b?=?np.vsplit(a,2)
print(b)
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]]
豎直分割：
[array([[0, 1, 2, 3],
[4, 5, 6, 7]]),
array([[ 8, 9, 10, 11],
[12, 13, 14, 15]])]
07 數組元素操作
NumPy中數組操作函數主要如下：
resize返回指定形狀的新數組append將值添加到數組末尾insert沿指定軸將值插入到指定下標之前delete返回刪掉某個軸的子數組的新數組unique尋找數組內的唯一元素
1.numpy.resize
函數返回指定大小的新數組。如果新大小大于原始大小，則包含原始數組中的元素的重復副本。如果小于則去掉原始數組的部分數據。該函數接受以下參數：
numpy.resize(arr, shape)
其中：
arr：要修改大小的輸入數組shape：返回數組的新形狀
import?numpy?as?np
a?=?np.array([[1,2,3],[4,5,6]])
print(a)
print(a.shape)
b?=?np.resize(a,?(3,2))
print(b)
print(b.shape)
print('修改第二個數組的大小：')
b?=?np.resize(a,(3,3))
print(b)
print('修改第三個數組的大?。?)
b?=?np.resize(a,(2,2))
print(b)
[[1 2 3]
[4 5 6]]
(2, 3)
[[1 2]
[3 4]
[5 6]]
(3, 2)
修改第二個數組的大小：
[[1 2 3]
[4 5 6]
[1 2 3]]
修改第三個數組的大?。?br>[[1 2]
[3 4]]
2.numpy.append
函數在輸入數組的末尾添加值。附加操作不是原地的，而是分配新的數組。此外，輸入數組的維度必須匹配否則將生成ValueError。函數接受下列函數：
numpy.append(arr, values, axis)
其中：
arr：輸入數組values：要向arr添加的值，比如和arr形狀相同(除了要添加的軸)axis：沿著它完成操作的軸。如果沒有提供，兩個參數都會被展開。
import?numpy?as?np
a?=?np.array([[1,2,3],[4,5,6]])
print(a)
print(np.append(a,?[[7,8,9]],axis?=?0))
print(np.append(a,?[[5,5,5],[7,8,9]],axis?=?1))
[[1 2 3]
[4 5 6]]
[[1 2 3]
[4 5 6]
[7 8 9]]
[[1 2 3 5 5 5]
[4 5 6 7 8 9]]
3.numpy.insert
函數在給定索引之前，沿給定軸在輸入數組中插入值。如果值的類型轉換為要插入，則它與輸入數組不同。插入沒有原地的，函數會返回一個新數組。此外，如果未提供軸，則輸入數組會被展開。
insert()函數接受以下參數：
numpy.insert(arr, obj, values, axis)
其中：
arr：輸入數組obj：在其之前插入值的索引values：要插入的值axis：沿著它插入的軸
import?numpy?as?np
a?=?np.array([[1,2],[3,4],[5,6]])
print(a)
print(np.insert(a,3,[11,12]))
print(np.insert(a,1,[11],axis?=?0))
print(np.insert(a,1,[11],axis?=?1))
[[1 2]
[3 4]
[5 6]]
[ 1 2 3 11 12 4 5 6]
[[ 1 2]
[11 11]
[ 3 4]
[ 5 6]]
[[ 1 11 2]
[ 3 11 4]
[ 5 11 6]]
4.numpy.delete
函數返回從輸入數組中刪除指定子數組的新數組。與insert()函數的情況一樣，如果未提供軸參數，則輸入數組將展開。該函 數接受以下參數：
Numpy.delete(arr, obj, axis)
其中：
arr：輸入數組obj：可以被切片，整數或者整數數組，表明要從輸入數組刪除的子數組axis：沿著它刪除給定子數組的軸
import?numpy?as?np
a?=?np.array([[1,2],[3,4],[5,6]])
print(a)
print(np.delete(a,5))
print(np.delete(a,1,axis?=?1))
[[1 2]
[3 4]
[5 6]]
[1 2 3 4 5]
[[1]
[3]
[5]]
5.numpy.unique
函數返回輸入數組中的去重元素數組。該函數能夠返回一個元組，包含去重數組和相關索引的數組。索引的性質取決于函數調用中返回參數的類型。
numpy.unique(arr, return_index, return_inverse, return_counts)
其中：
? arr：輸入數組，如果不是一維數組則會展開??
? return_index：如果為true，返回輸入數組中的元素下標??
? return_inverse：如果為true，返回去重數組的下標，它可以用于重構輸入數組??
? return_counts：如果為true，返回去重數組中的元素在原數組中的出現(xiàn)次數
import?numpy?as?np
a?=?np.array([5,2,6,2,7,5,6,8,2,9])
u?=?np.unique(a)
print(u)
u,indices?=?np.unique(a,?return_index?=?True)
print(u,?indices)
u,indices?=?np.unique(a,return_inverse?=?True)
print(u,?indices)
u,indices?=?np.unique(a,return_counts?=?True)
print(u,?indices)
[2 5 6 7 8 9][2 5 6 7 8 9]
[1 0 2 4 7 9][2 5 6 7 8 9]
[1 0 2 0 3 1 2 4 0 5][2 5 6 7 8 9]
[3 2 2 1 1 1]
08 NumPy - 字符串函數
以下函數用于對dtype為numpy.string_或numpy.unicode_的數組執(zhí)行向量 化字符串操作。它們基于 Python 內置庫中的標準字符串函數。字符數組類(numpy.char)中定義
import?numpy?as?np
print(np.char.add(['hello'],['?xyz']))
print(np.char.add(['hello',?'hi'],['?abc',?'?xyz']))
print(np.char.multiply('Hello?',3))
print(np.char.center('hello',?20,fillchar?=?'*'))
print(np.char.capitalize('hello?world'))
print(np.char.title('hello?how?are?you?'))
print(np.char.lower(['HELLO','WORLD']))
print(np.char.lower('HELLO'))
print(np.char.upper('hello'))
print(np.char.upper(['hello','world']))
print(np.char.split?('hello?how?are?you?'))
print(np.char.split?('YiibaiPoint,Hyderabad,Telangana',?sep?=?','))
print(np.char.splitlines('hello\nhow?are?you?'))
print(np.char.splitlines('hello\rhow?are?you?'))
print(np.char.strip('ashok?arora','a'))
print(np.char.strip(['arora','admin','java'],'a'))
print(np.char.join(':','dmy'))
print(np.char.join([':','-'],['dmy','ymd']))
print(np.char.replace?('He?is?a?good?boy',?'is',?'was'))
a?=?np.char.encode('hello',?'cp500')
print(a)
print(np.char.decode(a,'cp500'))
['hello xyz']
['hello abc' 'hi xyz']
Hello Hello Hello
*******hello********
Hello world
Hello How Are You?
['hello' 'world']
hello
HELLO
['HELLO' 'WORLD']
['hello', 'how', 'are', 'you?']
['YiibaiPoint', 'Hyderabad', 'Telangana']
['hello', 'how are you?']
['hello', 'how are you?']
shok aror
['ror' 'dmin' 'jav']
d:m:y
['d:m:y' 'y-m-d']
He was a good boy
b'\x88\x85\x93\x93\x96'
hello
09 NumPy - 算數函數
NumPy 包含大量的各種數學運算功能。NumPy 提供標準的三角函數，算術運算的函數，復數處理函數等。
三角函數 舍入函數 算數函數
1. NumPy -三角函數
NumPy 擁有標準的三角函數，它為弧度制單位的給定角度返回三角函
數比值。arcsin，arccos，和arctan函數返回給定角度的sin，cos和tan的反三角函數。這些函數的結果可以通過 numpy.degrees()函數通過將弧度制 轉換為角度制來驗證。
import?numpy?as?np
a?=?np.array([0,30,45,60,90])
#?通過乘?pi/180?轉化為弧度
print(np.sin(a*np.pi/180))
print(np.cos(a*np.pi/180))
print(np.tan(a*np.pi/180))
[ 0. 0.5 0.70710678 0.8660254 1. ]
[ 1.00000000e+00 8.66025404e-01 7.07106781e-01 5.00000000e-01
6.12323400e-17]
[ 0.00000000e+00 5.77350269e-01 1.00000000e+00 1.73205081e+00
1.63312394e+16]
2.NumPy -舍入函數
numpy.around()這個函數返回四舍五入到所需精度的值numpy.around(a,decimals) – a 輸入數組 decimals 要舍入的小數位數。默認值為0。如果為負，整數將四舍五入到小數點左側的位置 numpy.floor()函數返回不大于輸入參數的最大整數。numpy.ceil()函數返回輸入值的上限，大于輸入參數的最小整數
import?numpy?as?np
a?=?np.array([1.0,?5.55,?123,?0.567,?25.532])
print(np.around(a))
print(np.around(a,?decimals=1))
print(np.floor(a))
print(np.ceil(a))
[ 1. 6. 123. 1. 26.]
[ 1. 5.6 123. 0.6 25.5]
[ 1. 5. 123. 0. 25.]
[ 1. 6. 123. 1. 26.]
3.NumPy - 算數運算
用于執(zhí)行算術運算(如add()，subtract()，multiply()和divide())的輸入數組必須具有相同的形狀或符合數組廣播規(guī)則。
numpy.reciprocal()函數返回參數逐元素的倒數。numpy.power()函數將第一個輸入數組中的元素作為底數，計算它與第二個輸入數組中相應元素的冪。numpy.mod()函數返回輸入數組中相應元素的除法余數
import?numpy?as?np
a?=?np.array([0.25,?2,?1,?0.2,?100])
print(np.reciprocal(a))
print(np.power(a,2))
a?=?np.array([10,20,30])
b?=?np.array([3,5,7])
print(np.mod(a,b))
[ 4. 0.5 1. 5. 0.01]
[ 6.25000000e-02 4.00000000e+00 1.00000000e+00
4.00000000e-02. 1.00000000e+04]
[1 0 2]
4.NumPy - 統(tǒng)計函數
NumPy 有很多有用的統(tǒng)計函數，用于從數組中給定的元素中查找最小，最大，百分標準差和方差等。
numpy.amin() , numpy.amax()從給定數組中的元素沿指定軸返回最小值和最大值。numpy.ptp()函數返回沿軸的值的范圍(最大值 - 最小值)。numpy.percentile()表示小于這個值得觀察值占某個百分比numpy.percentile(a, q, axis)a 輸入數組; q 要計算的百分位數，在 0 ~ 100 之間; axis 沿著它計算百分位數的軸 numpy.median()返回數據樣本的中位數。numpy.mean()沿軸返回數組中元素的算術平均值。numpy.average()返回由每個分量乘以反映其重要性的因子得到的加權平均值
import?numpy?as?np
a?=?np.array([[3,7,5],[8,4,3],[2,4,9]])
print(np.amin(a,1))
print(np.amax(a,1))
print(np.ptp(a))
print(np.percentile(a,50))
print(np.median(a))
print(np.mean(a))
print(np.average(a))
print(np.std([1,2,3,4]))?#返回數組標準差
print(np.var([1,2,3,4]))?#返回數組方差
[3 3 2]
[7 8 9]
7
4.0
4.0
5.0
5.0
1.11803398875
1.25
10 排序、搜索和計數函數
NumPy中提供了各種排序相關功能。
numpy.sort()函數返回輸入數組的排序副本。numpy.sort(a, axis, kind, order)a 要排序的數組; axis 沿著它排序數組的軸，如果沒有數組會被展開，沿著最后的軸排序; kind 默認為'quicksort'(快速排序); order 如果數組包含字段，則是要排序的字段 numpy.argsort()函數對輸入數組沿給定軸執(zhí)行間接排序，并使用指定排序類型返回數據的索引數組。這個索引數組用于構造排序后的數組。numpy.lexsort()函數使用鍵序列執(zhí)行間接排序。鍵可以看作是電子表格中的一列。該函數返回一個索引數組，使用它可以獲得排序數據。注意，最后一個鍵恰好是 sort 的主鍵。numpy.argmax() 和 numpy.argmin()這兩個函數分別沿給定軸返回最大和最小元素的索引。numpy.nonzero()函數返回輸入數組中非零元素的索引。numpy.where()函數返回輸入數組中滿足給定條件的元素的索引。numpy.extract()函數返回滿足任何條件的元素。
import?numpy?as?np
a?=?np.array([[3,?7,?3,?1],?[9,?7,?8,?7]])
print(np.sort(a))
print(np.argsort(a))
print(np.argmax(a))
print(np.argmin(a))
print(np.nonzero(a))
print(np.where(a?>?3))
nm?=?('raju',?'anil',?'ravi',?'amar')
dv?=?('f.y.',?'s.y.',?'s.y.',?'f.y.')
print(np.lexsort((dv,?nm)))
[[1 3 3 7]
[7 7 8 9]]
[[3 0 2 1]
[1 3 2 0]]
4
3
(array([0, 0, 0, 0, 1, 1, 1, 1], dtype=int64),
array([0, 1, 2, 3, 0, 1, 2, 3], dtype=int64))
(array([0, 1, 1, 1, 1], dtype=int64),
array([1, 0, 1, 2, 3], dtype=int64))
[3 1 0 2]
11 IO文件操作
ndarray對象可以保存到磁盤文件并從磁盤文件加載。可用的 IO 功能有：
numpy.save()文件將輸入數組存儲在具有npy擴展名的磁盤文件中。numpy.load()從npy文件中重建數組。numpy.savetxt()和numpy.loadtxt()函數以簡單文本文件格式存儲和獲取數組數據。
import?numpy?as?np
a?=?np.array([1,2,3,4,5])
np.save('outfile',a)
b?=?np.load('outfile.npy')
print(b)
a?=?np.array([1,2,3,4,5])
np.savetxt('out.txt',a)
b?=?np.loadtxt('out.txt')
print(b)
[1 2 3 4 5]
[ 1. 2. 3. 4. 5.]
來源:?CSDN-逐夢er
評論
圖片
表情