numpy相关函数如何使用

本篇内容介绍了"numpy相关函数如何使用"的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

np.where

首先强调一下，where()函数对于不同的输入，返回的值是不同的。

1、当数组是一维数组时，返回的值是一维的索引，所以只有一组索引数组；

2、当数组是二维数组时，满足条件的数组值返回的是值的位置索引，因此会有两组索引数组来表示值的位置，下面举例说明：

import numpy as npa=np.reshape(np.arange(20),(4,5))aarray([[ 0,  1,  2,  3,  4],      [ 5,  6,  7,  8,  9],      [10, 11, 12, 13, 14],      [15, 16, 17, 18, 19]])b = np.where(a>10)b(array([2, 2, 2, 2, 3, 3, 3, 3, 3], dtype=int64), array([1, 2, 3, 4, 0, 1, 2, 3, 4], dtype=int64))b[0][:]array([2, 2, 2, 2, 3, 3, 3, 3, 3], dtype=int64)b[0]array([2, 2, 2, 2, 3, 3, 3, 3, 3], dtype=int64)b[1]array([1, 2, 3, 4, 0, 1, 2, 3, 4], dtype=int64)

a是一个二维数组，b就是返回的索引，索引分为行索引和列索引两个部分，b[0]是行索引，b[1]是列索引。

np.tile

他的功能是重复某个数组。比如tile(A,n)，功能是将数组A重复n次，构成一个新的数组.例子：

import numpy as npa = [1,2,3]b  = np.tile(a, (1, 4))barray([[1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3]])b  = np.tile(a, 4)barray([1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3])d  = np.tile(a, (2, 4))darray([[1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3],       [1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3]])

从上面的例子我们可以看到，其中 b = np.tile(a, (1, 4))生成的是一个二维数组，而b = np.tile(a, 4)生成的是一个一维数组，都是把a重复4次。

"numpy相关函数如何使用"的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注网站，小编将为大家输出更多高质量的实用文章！