Python Numpy二维数组和Numpy中的轴

二维数组的表示方法：

python原生：列表的列表

Numpy:ndarray

Pandas:DataFrame

二维ndarray与Python List

1.ndarry性能更好

2.ndarray有mean()、std()、sum()等更多的跟数学计算相关的内置函数，作用于整个数组

3.访问语法差别：a[1,2](Numpy ndarray)、a[1][2](Python List)

Numpy的轴

axis的用法：

0:按列计算

1:按行计算

import numpy as np
arr = np.array([
    [27.93,28.18,29.39,40.52,26.26],
    [58.08,50.61,51.62,48.55,54.03],
    [38.67,31.73,57.91,59.24,49.08],
    [45.83,31.48,45.94,71.21,46.53],
    [70.26,55.96,53.81,58.48,43.23],
    [46.61,22.73,45.77,63.63,56.73],
    [49.73,40.47,69.13,55.16,58.71],
    [34.02,42.02,28.75,34.90,26.43],
    [56.64,31.39,43.43,54.00,44.97],
    [57.28,64.21,55.70,68.03,54.16]
])
#某一天所有店的情况（某行）
print(arr[1,:])
#某一天几个店的情况（某行）
print(arr[1,1:3])
#某家店十天的情况（某列）
print(arr[:,3])
#计算第一天销量最大的店10天平均销量
print(arr[:,arr[0,:].argmax()].mean())
#所有水果店的天均销量
for i in range(5):
    print(arr[i,:].mean())
#axis用法
print(arr.mean(axis=1))
#计算每家水果店平均销量
for i in range(5):
    print(arr[:,i].mean())
#axis用法
print(arr.mean(axis=0))

举例：

# 输入一个二维数组的某个元素的坐标，计算出以这个元素为左上角元素的2*2小矩阵的四个元素的均值。
#
# 比如，对于矩阵
#
# [[1, 2, 3, 4],
# [5, 6, 7, 8],
# [9, 10, 11, 12],
# [13, 14, 15, 16]]
#
# 当输入（0, 1）（即左上角行编号为0，列编号为1）时，计算结果为4.5（2,3,6,7四个数字的平均数）。
squre = np.array([[1, 2, 3, 4],
                  [5, 6, 7, 8],
                  [9, 10, 11, 12],
                  [13, 14, 15, 16]])
 
def mini_squre(squre, top_row, left_column):
    return squre[ top_row:top_row + 2, left_column:left_column + 2 ].mean()
 
input_top = int(input("输入左上角行编号："))
input_left = int(input("输入左上角列编号："))
 
if (input_top >= 0 and input_top <= len(squre[:, 0]) - 2 and
  input_left >= 0 and input_left <= len(squre[0, :]) - 2):
    print(mini_squre(squre, input_top, input_left))