码迷,mamicode.com
首页 > 其他好文 > 详细

numpy中的索引用法

时间:2019-12-12 22:26:39      阅读:148      评论:0      收藏:0      [点我收藏+]

标签:pre   原理   聚合   shuff   存在   索引   imp   快速   max   

索引

argmin--最小值索引,argmax--最大值索引

import numpy as np
x = np.random.normal(0,1,size=1000000)
np.min(x)
-4.736102442527367
np.argmin(x)
258131
x[258131]
-4.736102442527367
np.max(x)
4.788201736638607
np.argmax(x)
24635
x[24635]
4.788201736638607

排序和索引

x = np.arange(16)
x
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15])

shuffle--随机打乱数组

np.random.shuffle(x)
x
array([14, 10,  7,  8, 11,  0, 13,  5,  2,  3,  4, 15, 12,  9,  6,  1])

多维数组排序

x = np.random.randint(0,10,size=(4,4))
x
array([[7, 8, 0, 9],
       [5, 1, 8, 2],
       [3, 4, 0, 3],
       [6, 0, 3, 0]])
np.sort(x)#这里存在axis参数,与聚合函数中的原理一致,这里默认按行排序
array([[0, 7, 8, 9],
       [1, 2, 5, 8],
       [0, 3, 3, 4],
       [0, 0, 3, 6]])

按索引进行排序

x = np.arange(1,10)
np.random.shuffle(x)
x
array([4, 9, 7, 2, 8, 1, 3, 6, 5])
np.argsort(x)#这里是按照索引方式排序,3指的是原数组中最小值的索引为3
array([5, 3, 6, 0, 8, 7, 2, 4, 1], dtype=int64)

paritition--快速排序

传入一个标定值(这里是传入索引),返回一个以标定点划分的边界点,一边比标定点小,另外一边比标定点大

p = np.array([1,2,3,4,5,6,7,44,9,4])
p
array([ 1,  2,  3,  4,  5,  6,  7, 44,  9,  4])
np.partition(p,7)
array([ 2,  1,  3,  4,  4,  5,  6,  7,  9, 44])

numpy中的索引用法

标签:pre   原理   聚合   shuff   存在   索引   imp   快速   max   

原文地址:https://www.cnblogs.com/Missv4you/p/12032006.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!