a = np.array([1.5, -1.4, 2.9])
b = np.ceil(a)
print(b)
# [ 2. -1. 3.]
import numpy as np
a = np.array([1.5, -1.4, 2.9])
b = np.floor(a)
print(b)
# [ 1. -2. 2.]
np.arange() 函数返回一个有终点和起点的固定步长的排列,如[1,2,3,4,5],起点是1,终点是6,步长为1。
参数个数情况: np.arange()函数分为一个参数,两个参数,三个参数三种情况 :
#一个参数 默认起点0,步长为1 输出:[0 1 2]
a = np.arange(3)
#两个参数 默认步长为1 输出[3 4 5 6 7 8]
a = np.arange(3,9)
#三个参数 起点为0,终点为3,步长为0.5 输出[0 0.5 1 1.5 2 2.5]
a = np.arange(0, 3, 0.5)
用法一 :
a = np.unique(A)
对于一维数组或者列表,unique函数去除其中重复的元素,并按元素由大到小返回一个新的无元素重复的元组或者列表。
样例 :
unique_elements = np.unique([4, 1, 1, 2, 2, 3])
print(unique_elements)
# [1 2 3 4]
用法二 :
a, c = np.unique(A, return_counts=True)
return_counts=True表示返回不重复元素的个数,并以列表形式储存在c中。
样例 :
unique_elements, counts_elements = np.unique([4, 1, 1, 2, 2, 3], return_counts=True)
print(unique_elements)
print(counts_elements)
# unique_elements: [1 2 3 4]
# counts_elements: [2 2 1 1]
np.percentile() 计算一个多维数组的任意百分比分位数,函数定义如下:
percentile(a, q, axis=None, out=None, overwrite_input=False, interpolation='linear', keepdims=False)
- Compute the q-th percentile of the data along the specified axis.
- Returns the q-th percentile(s) of the array elements.
下面给一个实际样例来说明np.percentile()的用法:
a = np.array([[2, 3, 4], [4, 6, 8]])
(1)在整个数组的取值中计算分位数
result = np.percentile(a, 50) # 在整个数组的取值中计算50%分位数
print(result)
# result: 4
(2)在纵列上计算分位数
result = np.percentile(a, 50, axis=0) # axis为0,在纵列上求
print(result)
# result: [3. 4.5 6. ]
(2)在横行上计算分位数
result = np.percentile(a, 50, axis=1) # axis为1,在横行上求
print(result)
# result: [3. 6.]
sample()是Python中随机模块的内置函数,可返回从序列中选择的项目的特定长度列表,即列表,元组,字符串或集合。用于随机抽样而无需更换。
(1) 用法: random.sample(sequence, k)
(2) 参数:
(3) 返回:k长度从序列中选择的新元素列表。
(4) 示例代码:sample()函数的简单实现。
# import random
from random import sample
# Prints list of random items of given length
list1 = [1, 2, 3, 4, 5]
print(sample(list1,3))
# 输出:[2, 3, 5]