正文
numpy数组(4)-二维数组
提示：扫一扫查出行【扫一扫了解最新限行尾号】
复制提示
python创建二维 list 的方法是在 list 里存放 list :
l = [[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16]]
numpy可以直接创建一个二维的数组:
import numpy as np
l = np.array([
[1,2,3,4],
[5,6,7,8],
[9,10,11,12],
[13,14,15,16]
])
numpy二维数组获取某个值:
[a, b] : a 表示行索引, b 表示列索引,就是获取第 a 行第 b个元素
print l[1, 3]#
也可以截取某一部分,组成一个新的numpy数组:
print(l[1:3, 2:4])
# 取第1-3行,第2-4列的数据
# 结果:
[[ 7 8]
[11 12]]
也可以获取某一行或者某一列,得到一个新的一维的numpy数组:
print(l[1, :])# 结果:
[5 6 7 8]
print(l[:, 3])# 结果:
[4 8 12 16]
二维numpy数组同样有 mean() , std() 等内置方法,计算的是整个数组的所有值,无论在哪行哪列:
print(l.mean())# 结果:
8.5
二维数组的向量化运算也是一样的:
a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
b = np.array([[1, 1, 1], [2, 2, 2], [3, 3, 3]])
print (a + b)# 结果:
[[ 2 3 4]
[ 6 7 8]
[10 11 12]]
一个综合栗子:
# 假设有如下5个地铁站10天的客流数据
ridership = np.array([
[ 0, 0, 2, 5, 0],
[1478, 3877, 3674, 2328, 2539],
[1613, 4088, 3991, 6461, 2691],
[1560, 3392, 3826, 4787, 2613],
[1608, 4802, 3932, 4477, 2705],
[1576, 3933, 3909, 4979, 2685],
[ 95, 229, 255, 496, 201],
[ 2, 0, 1, 27, 0],
[1438, 3785, 3589, 4174, 2215],
[1342, 4043, 4009, 4665, 3033]
])
找出第一天里客流量最多的车站,然后返回这个车站的日平均客流,以及返回所有车站的平均日客流,作为对比:
def mean_riders_for_max_station(ridership):
max_index = ridership[0, :].argmax() # 获取第一天(第0行)的最大值的索引
mean_for_max = ridership[:, max_index].mean() # 通过获取的索引,获取对应列,取平均值
overall_mean = ridership.mean()
return (overall_mean, mean_for_max)print(mean_riders_for_max_station(ridership)) # 结果:
(2342.6, 3239.9)
补充:
栗子中的 max_index = ridership[0, :].argmax() 也可以写成 max_index = np.argmax(ridership,axis=1)[0]
一个是数组的方法,一个是numpy的方法,其中的 axis 表示轴,后面会细讲.
