2. 10、对ndarray的操作：一元函数、二元函数、聚合函数、三元函数_笔记
    4. # ndarray的一元函数
    5. # abs fabs 计算整数、浮点数、复数的绝对值，对于非复数，fabs更快
    6. # sqrt 计算各个元素的平方根 相当于arr**0.5 要求arr的每个元素必须非负数
    7. # square 计算各个元素的平方  相当于arr**2
    8. # exp 计算各个元素的指数e的x次方
    9. # log log10 log2 log1p 分别计算自然对数、底数为10、底数为2 以及log(1+x),要求arr中的每个元素必须为正
    10. # sign 计算各个元素的正负号 1为正数 -1为负数 0
    11. # ceil 计算各个元素的ceilling值 即大于等于该值的最小整数
    12. # floor 计算各个元素的floor值，即小于等于该值的最大整数
    13. # rint 各个元素的四舍五入到最接近的整数，保留dtype的类型
    14. # modf 将数组中元素的小数位和整数位以两部分独立数组的形式返回
    15. # isnan NaN(不是一个数字) 布尔类型数组
    16. # isfinite isinf 有穷的(非inf 非NaN)np.NaN  np.inf 无穷的  布尔类型数组
    17. # cos cosh sin sinh tan tanh  普通以及双曲型三角函数
    18. # arccos arccosh arcsin arcsinh arctan arctanh   反三角函数
    21. # ndarray的二元函数
    22. # mod 元素级的取模%
    23. # dot 点积 矩阵积
    24. # greater greater_equal less less_equal equal not_equal 元素级的比较运算，最终返回一个布尔型数组
    25. # logical_and logical_or logical_xor
    26. # power 对数组中的每个元素执行给定次数的指数值
    28. # ndarray的聚合函数
    29. # 聚合函数的对一组值进行操作，返回一个单一值作为结果的函数
    30. # 常见的聚合函数有：平均值、最大值、最小值、方差等等
    31. # arr.min()  arr.max()  arr.mean()  arr.std() arr.sum()
    32. # 方差公式：np.sqrt(np.power(arr-arr.mean(),2).sum()/arr.size)
    33. # 二维数组的情况下，axis=0表示对同列的数据进行聚合
    34. # axis=1 表示对同行的数据进行聚合
    35. # arr.mean(axis=0)
    37. # -*- coding: utf-8 -*-
    38. __author__ = 'dongfangyao'
    39. __date__ = '2017/12/23 下午9:54'
    40. __product__ = 'PyCharm'
    41. __filename__ = 'numpy8'
    42. import numpy as np
    44. arr = np.array([-2, 2, 4, -3, 100])
    45. # print(arr)
    46. # print(np.fabs(arr))
    47. arr1 = np.fabs(arr)
    48. # print(np.sqrt(arr1))
    49. # print(arr1**0.5)
    50. # print(np.square(arr1))
    51. # print(arr1**2)
    52. # print(np.exp(arr1))
    53. # print(np.sign(arr))
    54. arr2 = np.random.random((2, 3))
    55. # print(arr2)
    56. # print(np.modf(arr2))
    57. # print(np.nan)
    58. # print(np.inf)
    59. # print(np.sin(arr1))
    60. # print()
    61. # print(np.power(arr, arr1))
    63. # a = np.random.randint(2, 100, (3, 4, 5))
    64. a = np.array([[2, 3, 5, 6], [3, 4, 9, 1]])
    65. # print(a)
    66. # print(a.max(), a.min(), a.sum(), a.mean(), a.std())
    67. # print(np.sqrt(np.power(a.mean(), 2).sum()/a.size))
    68. # print(a.max(axis=1))
    71. # 三元函数  np.where   x if condition else y
    72. a = np.array([[3, 5], [2, 8]])
    73. b = np.array([[1, 6], [4, 3]])
    74. # print(a)
    75. # print(b)
    76. # c = a > b
    77. # print(c)
    78. # print(a[c])
    79. condition = a > b
    80. # print(np.where(condition, a, b))
    82. print('-----')
    83. # print(np.array([[3, 6], [4, 8]]))
    85. c = np.array([[2, 3, np.nan], [4, 5, 8], [np.inf, np.nan, 33]])
    86. print(c)
    87. condition = np.isnan(c) | np.isinf(c)
    88. print(np.where(condition, 0, c))
    90. # 数据去重
    91. print('开始数据去重的例子')
    92. aa = np.random.randint(4, 9, (4, 4))
    93. print(aa)
    94. print(np.unique(aa))
    96. 复制代码
    99. # 引入三元：比如有a b两个数组 我需要将a b对应元素中较大的那个返回出来
    100. # np.where函数是三元表达式x if condition else y的矢量化版本
    101. # 例子：将数组中所有异常数字替换为0 比如将NaN替换为0
    102. # condition = np.isnan(arr) | np.isinf(arr)
    103. # np.where(condition, 0, arr)
    105. # 应用场景：数据去重
    106. # np.unique函数的主要作用是将数组中的元素进行去重操作（也就是只保存不重复的数据）默认会进行排序
    107. # aa = np.random.randint(4, 8, (4, 4))
    108. # print(aa)
    109. # print(np.unique(aa))