NumPy数组的高级操作（一）

最新推荐文章于 2025-01-15 16:10:27 发布
最新推荐文章于 2025-01-15 16:10:27 发布
阅读量1.7k 收藏
点赞数 2
CC 4.0 BY-SA版权
分类专栏： Jupyter Notebook 文章标签： python numpy
I love 段奥娟
本文链接：https://blog.csdn.net/qq_44745905/article/details/111084178
本文介绍了Python的NumPy库中用于数组堆叠的`hstack`和`vstack`函数，分别用于水平和垂直方向上合并数组。通过实例展示了如何使用这两个函数来整合和组合二维数组，同时提出了一个编程要求，让读者应用所学知识完成计算hstack后每列平均值的函数。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

时间煮雨
@R星校长

stack

stack的意思是堆叠的意思，所谓的堆叠就是将两个ndarray对象堆叠在一起组合成一个新的ndarray对象。根据堆叠的方向不同分为hstack以及vstack两种。

hstack

假如你是某公司的HR，需要记录公司员工的一些基本信息。可能你现在已经记录了如下信息：

工号 姓名 出生年月 联系电话
1 张三 1988.12 13323332333
2 李四 1987.2 15966666666
3 王五 1990.1 13777777777
4 周六 1996.4 13069699696

世界上没有不变的需求，你的老板让你现在记录一下公司所有员工的居住地址和户籍地址，此时你只好屁颠屁颠的记录这些附加信息。然后可能会有这样的结果：

居住地址 户籍地址
江苏省南京市禄口机场宿舍202 江西省南昌市红谷滩新区天月家园A座2201
江苏省南京市禄口机场宿舍203 湖南省株洲市天元区新天华府11栋303
江苏省南京市禄口机场宿舍204 四川省成都市武侯祠安置小区1栋701
江苏省南京市禄口机场宿舍205 浙江省杭州市西湖区兴天世家B座1204

接下来你需要把之前记录的信息和刚刚记录好的附加信息整合起来，变成酱紫：

工号 姓名 出生年月 联系电话 居住地址 户籍地址
1 张三 1988.12 13323332333 江苏省南京市禄口机场宿舍202 江西省南昌市红谷滩新区天月家园A座2201
2 李四 1987.2 15966666666 江苏省南京市禄口机场宿舍203 湖南省株洲市天元区新天华府11栋303
3 王五 1990.1 13777777777 江苏省南京市禄口机场宿舍204 四川省成都市武侯祠安置小区1栋701
4 周六 1996.4 13069699696 江苏省南京市禄口机场宿舍205 浙江省杭州市西湖区兴天世家B座1204

看得出来，你在整合的时候是将两个表格（二维数组）在水平方向上堆叠在一起组合起来，拼接成一个新的表格（二维数组）。像这种行为称之为hstack（horizontal stack）。

NumPy提供了实现hstack功能的函数叫hstack，hstack的使用套路代码如下：

import numpy as np
a = np.array([[8, 8], [0, 0]]
最低0.47元/天 解锁文章

200万优质内容无限畅学
NumPy数组的高级操作
Junds0的博客
09-05 1642
线性代数（如矩阵乘法、矩阵分解、行列式以及其他方阵数学等）是任何数组库的重要组成部分，一般我们使用*对两个二维数组相乘得到的是一个元素级的积，而不是一个矩阵点积。花式索引（Fancy Indexing）是NumPy用来描述使用整型数组（这里的数组，可以是NumPy的数组，也可以是python自带的list）作为索引的术语，其意义是根据索引数组的值作为目标数组的某个轴的下标来取值。stack的意思是堆叠的意思，所谓的堆叠就是将两个ndarray对象堆叠在一起组合成一个新的ndarray对象。
高阶 NumPy(高阶数组操作)
weixin_38477351的博客
06-16 1155
高阶数组操作 一、重塑数组 在很多情况下，我们将数组从一个形状转换为另一个形状，并且不复制任何数据。为了实现这个功能，可以向reshape数组实例方法传递一个表示新形状的元组。例如，假设我们有一个一维数组，我们想要把该数组重新排列进一个矩阵： 多维数组也可以被重塑： 传递的形状维度可以有一个值是 -1，表示维度通过数据进行推断： ...
Numpy高级操作大全！！！
逐梦er的博客
09-20 3279
文章目录一.数组上的迭代二.数组形状修改函数1.ndarray.reshape2.ndarray.flat3.ndarray.flatten三.数组翻转操作函数1.numpy.transpose2. numpy.ndarray.T3.numpy.swapaxes4.numpy.rollaxis四.数组修改维度函数1.numpy.broadcast_to2.numpy.expand_dims3.numpy.squeeze五.数组的连接操作1.numpy.stack2.numpy.hstack3.numpy.v
（记录）Python机器学习——Numpy数组的高级操作
qq_43659681的博客
04-16 1612
上一篇 Numpy基础。
《解锁Numpy数组：从新手到高手的进阶指南》，Numpy数组高级操作详解，从基础到实战的数据处理与分析指南
06-19
最后，通过鸢尾花数据集的数据预处理和图像处理的案例实战，展示了Numpy数组高级操作的实际应用价值。 适合人群：对Python有一定了解，尤其是对科学计算、数据分析、机器学习感兴趣的初学者和中级开发者。 使用场景...
【Python科学计算】NumPy数组高级操作指南：涵盖布尔索引、广播机制、结构化数组及性能优化技巧NumPy数组的
06-19
内容概要：本文深入解析了NumPy数组的10大核心高级操作技巧，包括高级索引（布尔索引和花式索引）、广播机制、结构化数组、高效函数应用（通用函数和矢量化自定义函数）、滑动窗口计算和高维转置等高级数组操作、...
【数据处理与科学计算】NumPy数组高级操作指南：从基础到实战案例详解
最新发布
06-19
内容概要：本文全面介绍了NumPy数组在数据处理和科学计算中的高级操作。首先回顾了NumPy数组的基础知识，包括数组的创建、基本属性等。接着详细讲解了索引与切片技术，如整数数组索引、布尔索引和花式索引，这些技术...
numpy 数组的高级操作 python
06-19
文件操作也是Numpy高级操作的一个重要部分，通过savetxt和loadtxt函数，可以方便地将Numpy数组保存到文件中，或者从文件中读取数据到数组。这一功能在数据持久化时非常关键。 最后，Numpy的高级操作还包括对数据...
【数据处理与科学计算】Numpy数组高级操作指南：从基础到实战的全面解析
06-18
内容概要：本文深入探讨了Numpy数组的基础与高级操作，涵盖多维数组的创建、索引与切片的进阶技巧（如花式索引和布尔索引）、数组的重塑与拼接（包括reshape函数和hstack、vstack、dstack函数）、广播机制及其应用...
Numpy数组操作
12-21
目录Numpy数组的操作概述Numpy数组的创建numpy.array方法numpy.zeros方法numpy.ones方法numpy.full方法numpy.arange方法numpy.linspace方法numpy.random.random方法numpy.random.randint方法numpy.random.normal方法numpy.eye方法numpy.empty方法Numpy数组的属性数组的维度nidm数组形状shape数组的大小size数组的数据类型dtype数组元素的字节大小itemsize数组的字节大小nbytesNumpy数组的索引一维数组多维数组Numpy数组的切片一
数据结构第一章作业答案参考（C语言）
12-23
第一章 绪论作业答案（共50分） 一、分析如下程序中 (1)~ (10)各语句的频度。（每个1分，共10分） Ex( ) { int i , j , t ; (1) for( i=1 ; i<10 ; i++) //n = (2) printf(“\n %d” , i ); //n = (3) for(i=1; i<=2; i++) //n = (4) printf(“\n”); //n = (5) for(i=1; i<=9; i++) //n = { (6) for(j=1; j <= i ; j++) //n = { (7) t = i * j ; //n = (8) printf(“]”,t); //n = } (9) for(j=1; j 0) { if(x > 100) {x -= 10 ; y -- ;} else x ++ ; } 问if 语句执行了多少次？（2分） y--执行了多少次?（2分） x ++执行了多少次?（2分） 三、回答问题（共25分） 书中16页的起泡排序如下： void bubble_sort(int a[],int n){ //将a中整数序列重新排列成自小至大有序的整数序列。 for(i=n-1,change=TRUE;i>=1&&change;--i){ change=FALSE; for(j=0;ja[j+1]{a[j]<-->a[j+1];change=TRUE; } } }//bubble_sort 1.（共15分）分析该算法的最佳情况 ，最坏情况和平均情况下各自的时间复杂度（给出分析思路与过程）。 (1) 最佳情况的时间复杂度分析（5分）： (2) 最坏情况的时间复杂度分析（5分）： (3) 平均情况的时间复杂度分析（5分）： 2.（共10分）比较与C语言书中的起泡排序异同，并从时空效率角度说明谁更优。 四、完成如下选择题（每3分，共9分）。 1. 设f为原操作，则如下算法的时间复杂度是（ ）。 for (i = 1; i*i=1;i--) for(j=1;jA[j+1]) A[j]与A[j+1]对换; 其中n为正整数，则算法在最坏情况下的时间复杂度为（ ）。 A．O(n) B．O(nlog2n) C. O(n3) D. O(n2)
NumPy 数组的高级操作
w865076358的博客
01-15 389
可以实现数据处理、筛选和线性方程求解等复杂操作，大大提高数据处理和科学计算的效率。在使用广播时要注意数组形状的兼容性，避免引发错误。在进行数据筛选和计算时，可以根据具体需求灵活使用不同的方法，如列表推导式、布尔索引等。对于线性方程求解，可将数据筛选与。NumPy 是 Python 中强大的科学计算库，提供了丰富的函数和功能，包括数组的操作、求和、元素筛选、广播机制和线性方程求解等。等函数，结合布尔逻辑、广播机制和线性代数库。函数结合，为数据分析和科学计算带来更多便利。
NumPy数组的高级操作第一关
weixin_44196785的博客
09-22 2696
NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。是在学习机器学习、深度学习之前应该掌握的一个非常基本且实用的Python库。 本实训将介绍NumPy的一些更高级的知识与使用方法。实训通关后你将学会NumPy的进阶使用技能，并为后续的综合练习部分打好基础。如果你对NumPy的基础知识不熟，可以看看这里。 PS：若需要更加详细的查阅NumPy所提供的接口，可以查阅官方文档。 任务描述 相关知识 stac
[educoder]2、NumPy数组的高级操作
m0_46233342的博客
03-12 3649
文章目录第1关：堆叠操作第2关：比较、掩码和布尔逻辑第3关：花式索引与布尔索引第4关：广播机制第5关：线性代数 NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。是在学习机器学习、深度学习之前应该掌握的一个非常基本且实用的Python库。 本实训将介绍 NumPy 的一些更高级的知识与使用方法。实训通关后你将学会 NumPy 的进阶使用技能，并为后续的综合练习部分打好基础。如果你对NumPy的基础知识
numpy 数组操作_使用numpy数组的高级操作
weixin_26642481的博客
08-31 925
numpy 数组操作In my previous post, I talk about Reduction Operations in Numpy Arrays. You may read through it before you move on to the more Advanced Operations below. 在我以前的文章中，我讨论了Numpy数组中的约简操作 。 您可以通读下面...
深入探索NumPy：numpy进阶（数组操作、常用方法）
一键难忘的博客
02-19 3588
本文深入探讨了NumPy这一强大的科学计算库，着重介绍了其高级数组操作、常用方法以及与其他科学计算库的整合。通过学习广播、高级索引、多维数组操作、线性代数、数组的合并与拆分、性能优化等方面的技术，读者能够更灵活地处理数据、提高代码效率。同时，本文强调了NumPy在多平台上的支持，包括Windows、Linux和macOS，使其更具适用性。在实际应用中，学习者可通过持续学习和实践，深化对NumPy的理解，不断提高数据处理和科学计算的技能。
NumPy数组的高级操作第四关
weixin_44196785的博客
09-22 1817
NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。是在学习机器学习、深度学习之前应该掌握的一个非常基本且实用的Python库。 本实训将介绍NumPy的一些更高级的知识与使用方法。实训通关后你将学会NumPy的进阶使用技能，并为后续的综合练习部分打好基础。如果你对NumPy的基础知识不熟，可以看看这里。 PS：若需要更加详细的查阅NumPy所提供的接口，可以查阅官方文档。 任务描述 相关知识 什么是广
numpy高级应用—数组操作
Jakob_Hu的博客
03-31 961
数组操作与广播ndarray对象内部机制概要numpy数据类型体系 ndarray对象内部机制概要 numpy的ndarray功能很强大因为其内部组成足够复杂，包括 （1）一个指向数组的内存指针 （2）数据类型dtype （3）一个表示数据形状的元祖，使用shape属性可以调用 （4）一个跨度元祖，这个是内部机制的关键，使用strides属性可以获取。 3×4×5的一个多维数组，其跨度为（...
头歌numpy数组的高级操作
04-03
### Numpy 数组高级操作教程 #### 花式索引与布尔索引 Numpy 提供了多种高级索引方式来访问和修改数组中的元素。其中，花式索引允许通过整数列表或数组进行索引来获取子集[^2]。而布尔索引则可以通过条件表达式的真值结果筛选出满足特定条件的元素。 以下是关于如何利用这些技术的一个具体例子： ```python import numpy as np def filter_students(num, input_data): data_array = np.array(input_data) # 实例化输入数据为 NumPy 数组 filtered_result = data_array[data_array > num] # 布尔索引应用：仅保留大于 `num` 的元素 return filtered_result.tolist() # 返回过滤后的结果作为标准 Python 列表 ``` 上述代码展示了如何使用布尔索引来提取原始数组中符合条件的部分。这里的关键在于 `data_array > num` 这一语句会生成一个布尔掩码，该掩码随后被用来选取原数组对应位置上的元素。 #### 文件存储与加载 除了内存中的高效操作外，NumPy 还支持便捷的数据持久化功能。可以借助 `np.save()` 和 `np.load()` 方法保存并恢复 ndarray 对象到磁盘上[^3]。这使得大型数据集能够轻松地在不同程序间共享或者长期储存起来备用。 例如下面这段简单的脚本演示了这一过程： ```python # 创建测试用随机矩阵 test_matrix = np.random.rand(5, 5) # 存储至本地 .npy 文件 np.save('saved_test_matrix.npy', test_matrix) # 加载已保存的内容回到新的变量名下 loaded_matrix = np.load('saved_test_matrix.npy') print(np.allclose(test_matrix, loaded_matrix)) # 输出 True 表明两者完全一致 ``` #### 函数评估工具——linspace() 当需要在一个范围内均匀采样大量点位时，`np.linspace(start, stop, num)` 是非常实用的选择之一[^4]。此函数返回指定数量等间距分布于起始端点之间的样本集合，在绘制连续型数学曲线图等方面尤为常见。 示例片段如下所示： ```python from math import pi x_values = np.linspace(0, 2 * pi, 100) y_sine_wave = np.sin(x_values) ``` 以上就是有关 NumPy 中一些较为复杂的特性介绍及其实际应用场景的例子说明。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值