función de pase
NumPy unos familiares funciones matemáticas tales como sin, cos, y exp. En NumPy, éstos se llaman "función de pase" ufunc(). En NumPy, estas funciones son realizadas por la operación en los elementos de la matriz, una matriz generada como salida.
>>> B = np.arange (3 ) >>> B matriz ([0, 1, 2 ]) >>> np.exp (B) una matriz ([ 1., 2,71828183, 7,3890561 ]) >>> np. sqrt (B) una matriz ([0., 1., 1,41421356 ]) >>> C = np.array ([2., -1., 4 .]) >>> np.add (B, C) array ( [ 2., 0., 6.])
Ordenar: eje: cuando se ordena la matriz de referencia, el eje = 0, columna ordenada; eje = 1, ordenadas según la fila. tipo: El método utilizado para ordenar la matriz, en el que: Tipo = 'quicksort' de descarga más rápido; 'mergesort' de barajar; 'heapsort' de la descarga de la pila. orden: una cadena o una lista, se puede establecer una propiedad de clase. Importación numpy, como NP
Lista1 = >>> [[4,3,2], [2,1,4 ]] >>> Array = np.array (Lista1) >>> matriz Array ([[ . 4 ,. 3, 2 ], [ 2 ,. 1 ,. 4 ]]) >>> Array.sort (Axis =. 1 ) >>> matriz array ([[ 2 ,. 3 ,. 4 ], [ . 1, 2 ,. 4 ]]) # Axis =. 1, se explica de acuerdo con filas se ordenan, es decir, los elementos en cada línea para lograr incrementales, # [4, 3, 2] a una [2, 3, 4], [2, 1, 4] para el [1, 2, . 4] >>> Array.sort (Axis = 0) >>>> matriz array ([[ . 1, 2 ,. 4 ], [ 2 ,. 3 ,. 4 ]]) #eje = 0, las instrucciones están ordenados por la columna, es decir, cada elemento en la columna para lograr el incremento # [2, 1] para una [1, 2], [3, 2] a una [2, 3 ] >>> np.sort (array, Axis = Ninguno) array ([ . 1, 2, 2 ,. 3 ,. 4 ,. 4 ]) # cuando el eje = Ninguno, todos los elementos tipo uniforme
de importación numpy, como NP >>> DTYPE = [( ' el Nombre ' , ' SLO ' ), ( ' la Altura ' , un flotador), ( ' Edad ' , int)] >>> valores = [( ' de Li ' , 1,8, 41 es), ( ' Wang ' , 1,9, 38 es), ( ' Duan ', 1.7, 38 )] A = np.array >>> (valores, DTYPE = DTYPE) >>> np.sort (A, Orden = ' la altura ' ) # ordenadas según atributo de altura, este parámetro de tiempo es una cadena Array ([( ' Duan ' , 1.7, 38 es), ( ' de Li ' , 1,8, 41 es), ( ' Wang ' , 1,9, 38 es )], DTYPE = [( ' el Nombre ' , ' | SLO ' ), ( ' la Altura ' , ' <F8 ' ), ( ' Edad ' ,' <I4' )]) >>> np.sort (A, Orden = [ ' Edad ' ' Altura ' ]) # primera clasificación por atributos Edad, Edad si es igual, a continuación, ordenados de acuerdo Altura, a continuación, la lista de parámetros Array ([( ' Duan ' , 1,7, 38 es), ( ' Wang ' , 1,9, 38 es), ( ' de Li ' , 1,8, 41 es )], DTYPE = [( ' el Nombre ' , ' | SLO ' ), ( ' la Altura ' , ' <F8 ' ), ( 'Edad ' ,' <I4 ' )])
A = >>> [1,5,1,4,3,4,4 ] >>> B = [9,4,0,4,0,2,1 ] >>> np.lexsort ((B, a)) # b frontal, en una parte trasera, que es, de acuerdo con el primer elemento de la comparación de un # como un mínimo de dos es 1, que están en el índice de 0,2, a continuación, independientemente del valor del índice correspondiente b , es decir, 9,0 # mínimo debe corresponder son: 0, y su índice correspondiente es 2, los resultados ordenados devueltos primero valor de índice 2 # como mínimo debe ser: 1,9, y su el índice correspondiente es cero, el resultado vuelve un valor de la ordenada índice 0 # y así sucesivamente ... array ([2, 0 ,. 4 ,. 6 ,. 5 ,. 3 ,. 1], DTYPE = Int64) >> > np.lexsort ((a, b)) # un frente, b después de que se va a comparar de acuerdo con el elemento b # como el valor mínimo de b es de 0 a dos, que son índices 0, 4, y luego independientemente de un valor del índice correspondiente, es decir, 1,3 # mínimo debe corresponder son: 0, 1, y su índice correspondiente es 2, los resultados ordenados devueltos primero valor de índice 2 # como mínimo debe ellos son: 0,3, y su índice correspondiente es 4, el resultado devuelve un valor de la ordenada de índice de 4 # y así sucesivamente ... Array ([2 ,. 4 ,. 6 ,. 5 ,. 3 ,. 1, 0], DTYPE = Int64) >>> C = [[1,5,1,4,3,4,4], [9,4,0 , 4,0,2,1 ]] >>> C [[ . 1 ,. 5 ,. 1 ,. 4 ,. 3 ,. 4 ,. 4], [. 9 ,. 4, 0 ,. 4, 0, 2 ,. 1 ]] >>> np.lexsort (C) # después de un caso a caso B coincide array ([2 ,. 4 ,. 6 ,. 5 ,. 3 ,. 1, 0], DTYPE = Int64)
List3 = >>> [1,2,3,4,5 ] >>> np.searchsorted (list3,2 ) 1 # como list3 Para insertar elementos 2, que debe insertarse en lugar de la lista original de índice 1 que se inserta después del elemento 1 >>> np.searchsorted (list3, [- 5,7,4,9 ]) array ([0, 5 ,. 3 ,. 5.], DTYPE = Int64) # como a list3 -5 insertar elementos, que debe insertarse en lugar de la lista original de índice 0, es decir, se inserta delante del elemento 1 # otra así sucesivamente ...
Lista = >>> [3,4,5,2,1 ] >>> np.partition (List, 3 ) Array ([ 2 ,. 1, 3 ,. 4 ,. 5 ]) # al número de la tercera ordenación , es decir, 3 a la partición, es decir, la partición es el resultado: # de menos de 2,1 en frente del elemento 3 de 3, 4, 5, mayor que o igual a 3 desde atrás 3
la ordenada (Iterable [, CMP [, Key [, Reverse]]]) la ordenada () operación de la función tipo en todos los objetos iteraciones. ordenar difiere de la ordenados: se aplica un método para ordenar en la lista, ordenadas se pueden clasificar objetos operan todas las iteraciones. método de ordenar una lista devuelve una lista de la operación existente, la función integrada de ordenadas devuelve el método una nueva lista, en lugar de operación que se realiza sobre la base de la original. # El ordenados () con el parámetro puede invertir el orden inverso = True Lista >>> = [3,4,2,6,1 ] >>> el ordenado (Lista) [ . 1, 2 ,. 3 ,. 4 ,. 6 ] >> > el ordenados (List, Reverse = True) [ . 6 ,. 4 ,. 3, 2 ,. 1]
Este artículo de la sección de enlace de código original: https: //blog.csdn.net/haiyang_duan/article/details/79221458