1.ndarray的常用的聚合操作

# 1.最大值/最小值 ：np.max / np.min n1 = np.random.randint(0,100,20) print(n1) # 打印出n1中的最大值和最小值 n1_max = n1.max() n1_min = n1.min() print("最大值為：",n1_max,"最小值為：",n1_min) '''# max()和min()里面可以指定axis,即可以指定軸''' n2 = np.random.randint(0,150,size=(4,4,4)) print(n2) print(n2.max(axis=0)) # 默認(rèn)情況下，axis=0 ''' # 多維數(shù)組 即x相對(duì)應(yīng)的三維 (a,b,c) -> (axis=0,axis=1,axis=2) # axis=0,代表多維數(shù)組的每個(gè)一維數(shù)組的相對(duì)應(yīng)的數(shù)里面最大的一個(gè) # axis=1,代表多維數(shù)組的每個(gè)二維數(shù)組的每個(gè)一維數(shù)組里面最大的數(shù)（按列） # axis=2,代表多維數(shù)組的每個(gè)二維數(shù)組的每個(gè)一維數(shù)組里面最大的數(shù)（按行） ''' # 2.求和 # sum()，axis同理 n1_sum = n1.sum() print("和為：",n1_sum) #對(duì)n1的所有的數(shù)求和 # 3.求平均值 mean()，axis同理 n3 = np.random.randint(0,150,size=(4,4,4)) n3_mean = n3.mean() print("平均值為：",n3_mean) #對(duì)n3的所有的數(shù)求平均數(shù)# 3.取出符合條件的索引 np.argwhere() '''按照條件取出索引''' n4 = np.random.randint(0,200,10) print(n4) '''取出n4的值大于100的索引''' n4_index = np.argwhere(n4>100) print("n4中符合條件的索引：",n4_index) '''根據(jù)取出來的索引來取出具體符合要求的值''' n5 = n4[n4_index] print("n4中符合條件的具體的值：",n5)

?以后會(huì)持續(xù)添加

總結(jié)

以上是生活随笔為你收集整理的Python中的Numpy(3.聚合操作)的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。