代码收藏家 【Python】NumPy（二）：数组运算、数据统计及切片索引、广播机制
目录
Numpy数组
数组的基本运算
乘法
加法
数组的数据统计
平均值
中位数
最大值和最小值
求和
累积和
标准差
方差
切片和索引
索引
一维数组的索引
二维数组的索引
获取多个元素
布尔索引
切片
一维数组切片
二维数组切片
多维数组切片
广播机制
规则
理解
在上一篇中，了解了NumPy中的数组创建以及基础操作。那么本篇我们就来讲解一下数组的简单运算以及其中的数据统计。
Numpy数组
数组的基本运算
在python中，如果我们要两个数组相加/乘/减/除，那么我们需要利用循环来进行，但是在NumPy中，我们可以直接相乘等。
(注意哦，记得提前导包）
乘法
# 将两个数组相乘
a = np.array([1,2,3,4])
b = np.array([5,6,7,8])
c = a*b
carray([ 5, 12, 21, 32])加法
# 将两个数组相加
a = np.array([1,2,3,4])
b = np.array([5,6,7,8])
c = a+b
carray([ 6, 8, 10, 12])
其他的类似。
# 给数组开平方
a = np.array([1,2,3,4])
a = a**2
aarray([ 1, 4, 9, 16])
数组的数据统计
这个相对比较简单，用多了就会。
平均值
numpy.mean(arr，axis=None，dtype=None，out=None)
示例：
# 现有一个二维数组，计算每一行的平均值
a = np.array([
[1,2,3,4,5,6,7,8,9],
[3,5,7,4,11,12,4,6,7]
])
b = np.mean(a,axis=1)
barray([5. , 6.55555556])中位数
numpy.median(arr，axis=None，out=None）
参数的意思跟平均值中的参数含义相同。
示例：
# 求数组的中位数
a = [1,2,4,5,6,7]
b = np.median(a)
b4.5最大值和最小值
numpy.max(arr，axis=None，out=None)
numpy.min(arr，axis=None，out=None)
参数含义和平均值的参数一样。
# 求数组中的最小值和最大值
a = np.array([
[12,34,5,23,4,3],
[1,2,4,5,6,5]
])
b = np.max(a)
c = np.min(a)
b,c(34, 1)求和
numpy.sum(arr，axis=None，out=None）
# 求数组元素之和
a = np.array([
[12,34,5,23,4,3],
[1,2,4,5,6,5]
])
sum = np.sum(a)
sum104累积和
numpy.cumsum(arr，axis=None，dtype=None，out=None）
参数意思和mean()的参数一样。
# 求数组累积和
a = np.array([
[12,34,5,23,4,3],
[1,2,4,5,6,5]
])
sum = np.cumsum(a)
sumarray([ 12, 46, 51, 74, 78, 81, 82, 84, 88, 93, 99, 104])标准差
numpy.std(arr，axis=None，dtype=None，out=None)
方差
numpy.var(arr，axis=None，out=None）
示例：
# 计算数组的方差，标准差
a = np.array([4,7,3,9,6,10])
b = np.std(a)
c = np.var(a)
b,c(2.5, 6.25)切片和索引
索引
索引，在NumPy中，简单来说就是下标，利用索引来访问和修改特定元素。
一维数组的索引
# 给定一个一维数组
a = np.array([1,2,3,4,5])
# 访问其中的第三个元素(下标从0开始）
print(a[2])3二维数组的索引
# 给定一个二维数组
a = np.array([
[1,2,3,4,5],
[6,7,8,9,10]
])
# 访问其中在第二行第3列个元素 [][]：第一个括号是行索引，第二个括号是列索引。
print(a[1][2])8获取多个元素
如果我们想一次获取数组中多个特定的元素，那么我们可以采用逗号隔开;
a[[1,3],[1,1]] :中第一个列表[1,3]表示的是行索引，第二个列表中的[1,1]表示的是列索引。
a = np.arange(20).reshape(4,5)
print(a)
# 现要取出其中的6和16，可以采用逗号分隔的形式
b = a[[1,3],[1,1]]
b[[ 0 1 2 3 4]
[ 5 6 7 8 9]
[10 11 12 13 14]
[15 16 17 18 19]]
array([ 6, 16])布尔索引
布尔索引其实就是利用bool值，来对数组中某些元素进行筛选。
示例：
a = np.array([1,2,3,4,5,6])
#获取其中大于3的数
b = a>3
barray([False, False, False, True, True, True])接着我们在借助这个布尔数组b，来筛选出a数字中大于3的元素：
a = np.array([1,2,3,4,5,6])
#获取其中大于3的数
b = a>3
print(b)
c = a[b]
c[False False False True True True]
array([4, 5, 6])切片
切片操作和python中列表切片操作一样。
语法：[start：stop：step]
一维数组切片
a = np.array([1,2,3,4,5,6])
#现要切出4以后的数
b = a[3::]
barray([4, 5, 6])二维数组切片
对于二维数组切片，我们采用逗号隔开的方式来进行切片，例如：
a[1:3,1:4]表示的就是从第一个维度（行）索引1到2(不包含2),在从第二个维度（列）的索引1到4（不包含4）的子数组。
a = np.array([
[1,2,3,4,5],
[6,7,8,9,10],
[11,12,13,14,15],
[11,11,11,11,11]
])
# 现在要从a数组中提取出第二行到第三行的元素
b = a[1:3]
print(b)
# 再从这两行中，只提取中间3列的元素
b = a[1:3,1:4]
print(b)[[ 6 7 8 9 10]
[11 12 13 14 15]]
[[ 7 8 9]
[12 13 14]]多维数组切片
对于二维及二维以上的数组，我们都采用逗号隔开的方式来切片多个维度。
当然，我们也可以采用“…”的方式简化操作。
# 生成一个2*3*4的三维数组
a = np.arange(24).reshape(2,3,4)
print(a)
print(a[1,...]) #等价a[1,:,:]
print(a[...,1]) #等价a[:,:,1][[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]]
[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]
[[ 1 5 9]
[13 17 21]]广播机制
广播(Broadcast)是numpy对不同形状的数组进行数值运算的方式，对数组的算术运算通常在相应的元素上进行。
广播机制会对形状小的数组进行自动扩展，使得两个数组的形状相同再进行运算。
规则
示例：
a = np.array([
[1,2,3],
[4,5,6]
])
b = np.array([1,2,3])
print(a.shape)
print(b.shape)
c = a*b
print(c,c.shape)(2, 3)
(3,)
[[ 1 4 9]
[ 4 10 18]] (2, 3)可以看到，b数组会被扩展到和a一样的形状，再进行运算。
理解
将两个数组的维度大小右对齐，然后比较对应维度上的数值；
如果数值相等或其中一个为1或者为空，则能进行广播运行；
输出的维度大小为取数值大的数值，否则不能进行数组运算。
所以在广播时候，需要注意数组维度其中要么有一个是1，要么维度都相等。
以上就是本篇所有内容咯，若有不足，欢迎指正~
作者：小猪同学hy
