【数据分析&数据挖掘】数组的通用函数

 1 import numpy as np
 2
 3 # 数组的全通用函数,要求数组的形状必须相同——同型数组
 4 # 创建数组
 5 arr1 = np.array([[0, 1], [2, 3]])
 6 arr2 = np.array([[1, 2], [3, 4]])
 7 print("arr1: \n", arr1)
 8 print("arr2: \n", arr2)
 9
10 # # 四则运算——对应位置进行四则运算
11 print("数组相加: \n", arr1+arr2)
12 print("数组相减: \n", arr1-arr2)
13 print("数组相乘: \n", arr1*arr2)
14 print("数组相乘: \n", np.multiply(arr1, arr2))
15 print("数组相乘: \n", type(np.multiply(np.mat(arr1), np.mat(arr2))))
16 print("数组相除: \n", arr1/arr2) # 0不能做除数
17 print("数组相幂: \n", arr1**arr2)
18 #
19 # # 比较运算——返回bool类型的数组
20 print("arr1 > arr2: \n", arr1 > arr2)
21 print("arr1 < arr2: \n", arr1 < arr2)
22 print("arr1 == arr2: \n", arr1 == arr2)
23 print("arr1 != arr2: \n", arr1 != arr2)
24 #
25 # # 逻辑运算符——or and——返回值是bool值
26 # # or——np.any  只要有一个满足,就返回True
27 # # and——np.all  只有全部为True, 才能返回True
28 print("any: \n", np.any(arr1 == arr2))
29 print("any: \n", np.any(arr1 > arr2))
30 #
31 print("all: \n", np.all(arr1 == arr2))
32 print("all: \n", np.all(arr1 > arr2))

原文地址:https://www.cnblogs.com/Tree0108/p/12115518.html

时间: 2024-10-11 15:43:15

【数据分析&数据挖掘】数组的通用函数的相关文章

【转】数据分析/数据挖掘 入门级选手建议

1.数据分析和数据挖掘联系和区别 联系:都是搞数据的 区别:数据分析偏统计,可视化,出报表和报告,需要较强的表达能力.数据挖掘偏算法,重模型,需要很深的代码功底,要码代码,很多= =. 2.怎么入门 请百度"如何成为一名数据分析师"或者"如何成为一名数据挖掘工程师".英文好上Quora,不行上知乎,看看入门资料. 3.选哪些书 看入门资料给你提供的书,有电子版下电子版,没电子版买纸质书,花不了多少钱. 4.用什么语言 数据分析:excel是必须,R是基本,pytho

【数据分析&amp;数据挖掘】数组的创建

1 import numpy as np 2 import random 3 4 arr = np.array([1,2,3,4]) 5 print('arr:\n', arr) 6 print('arr的类型:\n', type(arr)) 7 8 # 用arange来创建数组 9 arr = np.arange(0, 5, 2) 10 print('arr:\n', arr) 11 print('arr的类型:\n', type(arr)) 12 13 # 生成一个等差数组 14 # 参数1

【数据分析&amp;数据挖掘】数组的重复与去重

1 import numpy as np 2 3 # 创建一个数组 4 arr = np.array([1, 2, 3, 3, 2, 1, 1, 2, 3, 4, 5, 6, 6, 5, 4]) 5 arr = np.array(["h", "j", "k", "x", "h", "k", "j", "x", "k"]) 6 a

【数据分析&amp;数据挖掘】数组的形状

1 import numpy as np 2 3 # 创建一个数组 4 arr = np.arange(16) 5 print("arr:\n", arr) 6 print("arr的形状:", arr.shape) 7 8 # 创建数组的时候不一定能指定其形状 9 # 创建好之后,可以进行形状的修改 10 11 # 可以通过shape属性改变形状,元素个数得一致 12 13 arr.shape = (4, 4) 14 arr.shape = 4, 4 15 arr

【数据分析&amp;数据挖掘】数组的组合&amp;拆分

一.数组的组合 1 import numpy as np 2 3 # 创建数组 4 arr1 = np.arange(9).reshape((3, 3)) 5 arr2 = np.array([[0, 1, 0],[1, 0, 1],[2, 1, 0]]) 6 print("arr1:\n", arr1) 7 print("arr2:\n", arr2) 8 9 # 二维拼接 axis=0 行 axis=1 列 10 res = np.vstack((arr1, a

【数据分析&amp;数据挖掘】数组的数据类型

1 import numpy as np 2 3 # 创建一个数组 4 arr = np.arange(0, 6, 1, dtype=np.int64) 5 arr = np.arange(0, 6, 1, dtype=np.float64) # [0. 1. 2. 3. 4. 5.] 6 # arr = np.array([0,1,2,3,4], dtype=np.bool) 7 print("arr:\n", arr) 8 print("arr的类型:", ty

【数据分析&amp;数据挖掘】数组的排序

1 import numpy as np 2 3 # 创建数组 4 arr = np.array([[8, 1, 9], [7, 6, 5]]) 5 print("arr: \n", arr) 6 7 # sort()直接排序 8 # 在列的方向上排序 9 arr.sort(axis=-1) 10 print("axis=-1排序之后的结果:\n", arr) 11 arr.sort(axis=1) 12 print("axis=1排序之后的结果:\n&q

【数据分析&amp;数据挖掘】数组的统计分析

1 import numpy as np 2 3 # 创建一个数组 4 arr = np.array([[1, 2],[3, 4]]) 5 print("arr: \n", arr) 6 7 # 对数组进行统计分析 8 # sum mean std var min max argmin argmax cumsum cumprod 9 # 按照行的方向 10 print("arr的统计和: \n", np.sum(arr, axis=0)) 11 print(&quo

【数据分析&amp;数据挖掘】数组的广播机制

1 import numpy as np 2 3 arr1 = np.array([[0, 1], [1, 2]]) # shape(2, 2) 4 arr2 = np.array([1, 1]) # shape(2, )——>(1, 2)——>[[1, 1]] 5 print("arr1: \n", arr1) 6 print("arr2: \n", arr2) 7 print("arr1+arr2: \n", arr1+arr2)