科学计算库Numpy-数据操作

假定所有操作都事先导入numpy库

import numpy

1、判断向量或矩阵中是否存在某一元素

①向量

vector = numpy.array([5, 10, 15, 20])
vector == 10

结果为：array([False, True, False, False], dtype=bool)

②矩阵

matrix = numpy.array([[5, 10, 15],
                      [20, 25, 30],
                      [35, 40, 45]])
matrix == 25

结果为：
array([[False, False, False],
[False, True, False],
[False, False, False]], dtype=bool)

若想取出向量和矩阵中结果为true的数

在向量中：

vector = numpy.array([5, 10, 15, 20])
equal_to_ten = (vector == 10)
print(vector[equal_to_ten])

结果为：[10]

在矩阵中：

matrix = numpy.array([[5, 10, 15],
                     [20, 25, 30],
                     [35, 40, 45]])
equal_to_twentyfive = (matrix[:,1] == 25) #将第二列中含有 25 的行赋值给equal_to_twentyfive
print(matrix[equal_to_twentyfive, :]) #将第含有 25 的行中的所有元素输出

结果为：[[20 25 30]]

2、“与”(&)和“或”(|)
①&

vector = numpy.array([5, 10, 15, 20])
equal_to_ten_and_five = (vector == 10) & (vector == 5)
print(equal_to_ten_and_five)

结果为：[False False False False]

②|

vector = numpy.array([5, 10, 15, 20])
equal_to_ten_and_five = (vector == 10)| (vector == 5)
print(equal_to_ten_and_five)

结果为：[ True True False False]

3、类型转换
例：将 int 转换为 float 类型

vector = numpy.array([5, 10 ,15, 20])
print(vector.dtype)
print(vector)

vector = vector.astype(float)
print(vector.dtype)
print(vector)

结果为：
int32
[ 5 10 15 20]
float64
[ 5. 10. 15. 20.]

4、最值与求和
①取向量和矩阵中的最值

vector = numpy.array([5, 10 ,15, 20])
vector.min() #取向量中的最小值

结果为：5

matrix = numpy.array([[5, 10, 15],
                     [20, 25, 30],
                     [35, 40, 45]])
matrix.max() #取矩阵中的最大值

结果为：45

②矩阵按行(列)求和

matrix = numpy.array([[5, 10, 15],
                     [20, 25, 30],
                     [35, 40, 45]])
matrix.sum(axis = 1) #按行求和

结果为：array([ 30, 75, 120])

`
matrix = numpy.array([[5, 10, 15],
[20, 25, 30],
[35, 40, 45]])
matrix.sum(axis = 0) #按列求和

结果为：array([60, 75, 90])`

---

另附：
科学计算库Numpy-数据结构
科学计算库Numpy-矩阵属性
科学计算库Numpy-矩阵操作
科学计算库Numpy-常用函数