5 个高效 & 简洁的 Numpy 函数

在 reshape 函数中使用参数-1

 
a = np.array([[1, 2, 3, 4],
              [5, 6, 7, 8]])  
a.shape  
(2, 4)

 
a.reshape(1,-1)  
array([[1, 2, 3, 4, 5, 6, 7, 8]])

 
a.reshape(-1,1)  
array([[1],  
[2],  
[3],  
[4],  
[5],  
[6],  
[7],  
[8]])

 
a.reshape(-1,4)  
array([[1, 2, 3, 4],
       [5, 6, 7, 8]])a.reshape(-1,2)  
array([[1, 2],
       [3, 4],
       [5, 6],
       [7, 8]])a.reshape(2,-1)  
array([[1, 2, 3, 4],
       [5, 6, 7, 8]])a.reshape(4,-1)  
array([[1, 2],
       [3, 4],
       [5, 6],
       [7, 8]])

 
a.reshape(2,2,-1)  
array([[[1, 2],
        [3, 4]],  
  
[[5, 6],
        [7, 8]]])a.reshape(2,-1,1)  
array([[[1],
        [2],
        [3],
        [4]],  
  
[[5],
        [6],
        [7],
        [8]]])

 
a.reshape(-1,-1)  
ValueError: canonlyspecifyoneunknowndimensiona.reshape(3,-1)  
ValueError: cannotreshapearrayofsize 8 intoshape (3,newaxis)

Argpartition：在数组中找到最大的 N 个元素。

 
array = np.array([10, 7, 4, 3, 2, 2, 5, 9, 0, 4, 6, 0])index = np.argpartition*(array, -5)[-5:]  
index  
array([ 6,  1, 10,  7,  0], dtype=int64)np.sort(array[index])  
array([ 5,  6,  7,  9, 10])

Clip：如何使数组中的值保持在一定区间内

 
#Example-1  
array = np.array([10, 7, 4, 3, 2, 2, 5, 9, 0, 4, 6, 0])  
print (np.clip(array,2,6))[664322562462]#Example-2  
array = np.array([10, -1, 4, -3, 2, 2, 5, 9, 0, 4, 6, 0])  
print (np.clip(array,2,5))[524222552452]

Extract：从数组中提取符合条件的元素

 
arr = np.arange(10)  
arrarray([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])# Define the codition, here we take MOD 3 if zero  
condition = np.mod(arr, 3)==0  
conditionarray([ True, False, False,  True, False, False,  True, False, False,True])np.extract(condition, arr)  
array([0, 3, 6, 9])

 
np.extract(((arr > 2) & (arr < 8)), arr)array([3, 4, 5, 6, 7])

 
a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])  
b = np.array([3,4,7,6,7,8,11,12,14])  
c = np.setdiff1d(a,b)  
carray([1, 2, 5, 9])

小结