NumPy 數(shù)組排序

排序數(shù)組

排序數(shù)組意味著將元素按特定順序排列。順序可以是數(shù)字大小、字母順序、升序或降序等。

NumPy 的 ndarray 對象提供了一個(gè)名為 sort() 的函數(shù)，用于對數(shù)組進(jìn)行排序。

示例：

import numpy as np

arr = np.array([3, 2, 0, 1])

print(np.sort(arr))

輸出：

[0 1 2 3]

注意：

sort() 方法會返回?cái)?shù)組的副本，原始數(shù)組不會被修改。 可以對字符串?dāng)?shù)組、布爾數(shù)組等其他數(shù)據(jù)類型進(jìn)行排序。

排序二維數(shù)組

對于二維數(shù)組，sort() 方法會對每一行進(jìn)行排序。

示例：

import numpy as np

arr = np.array([[3, 2, 4], [5, 0, 1]])

print(np.sort(arr))

輸出：

[[0 1 2]
[3 4 5]]

練習(xí)

使用 NumPy 正確的方法對以下數(shù)組進(jìn)行排序：

arr = np.array([3, 2, 0, 1])

x = np.sort(
    # 請?jiān)诖颂幪顚懘a
)

print(x)

解答：

x = np.sort(arr)

NumPy 數(shù)組過濾

過濾數(shù)組

過濾數(shù)組是指從現(xiàn)有數(shù)組中選取部分元素，并創(chuàng)建新的數(shù)組。

在 NumPy 中，可以使用布爾索引列表來過濾數(shù)組。布爾索引列表是一個(gè)與數(shù)組索引相對應(yīng)的布爾值列表。

如果索引處的值為 True，則該元素會被包含在過濾后的數(shù)組中；如果為 False，則會被排除。

示例：

import numpy as np

arr = np.array([41, 42, 43, 44])

x = [True, False, True, False]

newarr = arr[x]

print(newarr)

輸出：

[41 43]

解釋：

新數(shù)組 newarr 只包含 arr 中索引為 0 和 2 的元素，因?yàn)?nbsp;x 對應(yīng)索引處的值為 True。

創(chuàng)建過濾數(shù)組

通常情況下，我們需要根據(jù)條件來創(chuàng)建過濾數(shù)組。

示例：

僅返回大于 42 的元素：

import numpy as np

arr = np.array([41, 42, 43, 44])

filter_arr = arr > 42

newarr = arr[filter_arr]

print(filter_arr)
print(newarr)

輸出：

[False  True  True  True]
[43 44]

僅返回偶數(shù)元素：

import numpy as np

arr = np.array([1, 2, 3, 4, 5, 6, 7])

filter_arr = arr % 2 == 0

newarr = arr[filter_arr]

print(filter_arr)
print(newarr)

輸出：

[False  True  False  True  False  True  False]
[2 4 6]

直接從數(shù)組創(chuàng)建過濾

NumPy 提供了一種更簡潔的方式來創(chuàng)建過濾數(shù)組，即直接在條件中使用數(shù)組：

示例：

僅返回大于 42 的元素：

import numpy as np

arr = np.array([41, 42, 43, 44])

newarr = arr[arr > 42]

print(newarr)

輸出：

[43 44]

僅返回偶數(shù)元素：

import numpy as np

arr = np.array([1, 2, 3, 4, 5, 6, 7])

newarr = arr[arr % 2 == 0]

print(newarr)

輸出：

[2 4 6]

練習(xí)

使用 NumPy 的直接過濾方法，從以下數(shù)組中過濾出所有平方為偶數(shù)的元素：

import numpy as np

arr = np.

NumPy 中的隨機(jī)數(shù)

什么是隨機(jī)數(shù)？

隨機(jī)數(shù)是指無法通過確定性方法預(yù)測其值的數(shù)據(jù)。通常情況下，隨機(jī)數(shù)是指在一定范圍內(nèi)均勻分布的數(shù)字。

在計(jì)算機(jī)中，由于程序的確定性，不可能生成真正的隨機(jī)數(shù)。因此，通常使用偽隨機(jī)數(shù)來代替隨機(jī)數(shù)。偽隨機(jī)數(shù)是通過算法生成的，但看起來像隨機(jī)數(shù)。

NumPy 中的隨機(jī)數(shù)生成

NumPy 提供了 random 模塊用于生成隨機(jī)數(shù)。該模塊提供了多種方法，可以生成不同類型和分布的隨機(jī)數(shù)。

生成隨機(jī)整數(shù)

randint(low, high, size)：生成指定范圍內(nèi)的隨機(jī)整數(shù)。 low：下限，默認(rèn)為 0。 high：上限，不包括上限本身。 size：輸出數(shù)組的形狀。

示例：

import numpy as np

# 生成 10 個(gè)介于 0 和 100 之間的隨機(jī)整數(shù)
x = np.random.randint(0, 101, size=10)
print(x)

生成隨機(jī)浮點(diǎn)數(shù)

rand(size)：生成介于 0 和 1 之間的隨機(jī)浮點(diǎn)數(shù)。 size：輸出數(shù)組的形狀。

示例：

import numpy as np

# 生成 5 個(gè)隨機(jī)浮點(diǎn)數(shù)
x = np.random.rand(5)
print(x)

從數(shù)組中生成隨機(jī)數(shù)

choice(a, size, replace)：從數(shù)組 a 中隨機(jī)選擇元素。 a：源數(shù)組。 size：輸出數(shù)組的形狀。 replace：是否允許重復(fù)選擇元素，默認(rèn)為 False。

示例：

import numpy as np

# 從數(shù)組 [1, 2, 3, 4, 5] 中隨機(jī)選擇 3 個(gè)元素
x = np.random.choice([1, 2, 3, 4, 5], size=3)
print(x)

生成指定分布的隨機(jī)數(shù)

NumPy 還提供了其他方法來生成特定分布的隨機(jī)數(shù)，例如正態(tài)分布、均勻分布、指數(shù)分布等。

randn(size)：生成服從標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)數(shù)。 randm(size)：生成服從均勻分布的隨機(jī)整數(shù)。 beta(a, b, size)：生成服從 Beta 分布的隨機(jī)數(shù)。 gamma(shape, scale, size)：生成服從 Gamma 分布的隨機(jī)數(shù)。 poisson(lam, size)：生成服從泊松分布的隨機(jī)整數(shù)。

例如，生成 10 個(gè)服從標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)數(shù)：

import numpy as np

x = np.random.randn(10)
print(x)

練習(xí)

• 使用 randint 方法生成一個(gè)包含 20 個(gè)介于 100 到 200 之間的隨機(jī)整數(shù)的數(shù)組。
• 使用 rand 方法生成一個(gè)包含 15 個(gè)介于 0 和 1 之間的隨機(jī)浮點(diǎn)數(shù)的數(shù)組。
• 從數(shù)組 [1, 3, 5, 7, 9] 中隨機(jī)選擇 10 個(gè)元素，并允許重復(fù)。
• 生成 5 個(gè)服從標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)數(shù)。

解決方案

import numpy as np

# 1. 使用 randint 方法生成隨機(jī)整數(shù)數(shù)組
random_ints = np.random.randint(100, 201, size=20)
print(random_ints)

# 2. 使用 rand 方法生成隨機(jī)浮點(diǎn)數(shù)數(shù)組
random_floats = np.random.rand(15)
print(random_floats)

# 3. 從數(shù)組中隨機(jī)選擇元素
random_elements = np.random.choice([1, 3, 5, 7, 9], size=10, replace=True)
print(random_elements)

# 4. 生成服從標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)數(shù)
normal_randoms = np.random.randn(5)
print(normal_randoms)

最后

以上就是NumPy數(shù)組排序、過濾與隨機(jī)數(shù)生成詳解的詳細(xì)內(nèi)容，更多關(guān)于NumPy數(shù)組排序過濾及生成的資料請關(guān)注腳本之家其它相關(guān)文章！

最新評論