游一游 发表于 2024-5-20 21:57:05

NumPy 数组排序、过滤与随机数生成详解

NumPy 数组排序

排序数组

排序数组意味着将元素按特定顺序排列。顺序可以是数字大小、字母顺序、升序或降序等。
NumPy 的 ndarray 对象提供了一个名为 sort() 的函数,用于对数组进行排序。
示例:
import numpy as np

arr = np.array()

print(np.sort(arr))输出:
注意:
sort() 方法会返回数组的副本,原始数组不会被修改。
可以对字符串数组、布尔数组等其他数据类型进行排序。
排序二维数组

对于二维数组,sort() 方法会对每一行进行排序。
示例:
import numpy as np

arr = np.array([, ])

print(np.sort(arr))输出:
[
]练习

使用 NumPy 正确的方法对以下数组进行排序:
arr = np.array()

x = np.sort(
    # 请在此处填写代码
)

print(x)解答:
x = np.sort(arr)NumPy 数组过滤

过滤数组

过滤数组是指从现有数组中选取部分元素,并创建新的数组。
在 NumPy 中,可以使用布尔索引列表来过滤数组。布尔索引列表是一个与数组索引相对应的布尔值列表。
如果索引处的值为 True,则该元素会被包含在过滤后的数组中;如果为 False,则会被排除。
示例:
import numpy as np

arr = np.array()

x =

newarr = arr

print(newarr)输出:
解释:
新数组 newarr 只包含 arr 中索引为 0 和 2 的元素,因为 x 对应索引处的值为 True。
创建过滤数组

通常情况下,我们需要根据条件来创建过滤数组。
示例:
仅返回大于 42 的元素:
import numpy as np

arr = np.array()

filter_arr = arr > 42

newarr = arr

print(filter_arr)
print(newarr)输出:

仅返回偶数元素:
import numpy as np

arr = np.array()

filter_arr = arr % 2 == 0

newarr = arr

print(filter_arr)
print(newarr)输出:

直接从数组创建过滤

NumPy 提供了一种更简洁的方式来创建过滤数组,即直接在条件中使用数组:
示例:
仅返回大于 42 的元素:
import numpy as np

arr = np.array()

newarr = arr

print(newarr)输出:
仅返回偶数元素:
import numpy as np

arr = np.array()

newarr = arr

print(newarr)输出:
练习

使用 NumPy 的直接过滤方法,从以下数组中过滤出所有平方为偶数的元素:
import numpy as np

arr = np.NumPy 中的随机数

什么是随机数?

随机数是指无法通过确定性方法预测其值的数据。通常情况下,随机数是指在一定范围内均匀分布的数字。
在计算机中,由于程序的确定性,不可能生成真正的随机数。因此,通常使用伪随机数来代替随机数。伪随机数是通过算法生成的,但看起来像随机数。
NumPy 中的随机数生成

NumPy 提供了 random 模块用于生成随机数。该模块提供了多种方法,可以生成不同类型和分布的随机数。
生成随机整数

randint(low, high, size):生成指定范围内的随机整数。
low:下限,默认为 0。
high:上限,不包括上限本身。
size:输出数组的形状。
示例:
import numpy as np

# 生成 10 个介于 0 和 100 之间的随机整数
x = np.random.randint(0, 101, size=10)
print(x)生成随机浮点数

rand(size):生成介于 0 和 1 之间的随机浮点数。
size:输出数组的形状。
示例:
import numpy as np

# 生成 5 个随机浮点数
x = np.random.rand(5)
print(x)从数组中生成随机数

choice(a, size, replace):从数组 a 中随机选择元素。
a:源数组。
size:输出数组的形状。
replace:是否允许重复选择元素,默认为 False。
示例:
import numpy as np

# 从数组 中随机选择 3 个元素
x = np.random.choice(, size=3)
print(x)生成指定分布的随机数

NumPy 还提供了其他方法来生成特定分布的随机数,例如正态分布、均匀分布、指数分布等。
randn(size):生成服从标准正态分布的随机数。
randm(size):生成服从均匀分布的随机整数。
beta(a, b, size):生成服从 Beta 分布的随机数。
gamma(shape, scale, size):生成服从 Gamma 分布的随机数。
poisson(lam, size):生成服从泊松分布的随机整数。
例如,生成 10 个服从标准正态分布的随机数:
import numpy as np

x = np.random.randn(10)
print(x)练习


[*]使用 randint 方法生成一个包含 20 个介于 100 到 200 之间的随机整数的数组。
[*]使用 rand 方法生成一个包含 15 个介于 0 和 1 之间的随机浮点数的数组。
[*]从数组 中随机选择 10 个元素,并允许重复。
[*]生成 5 个服从标准正态分布的随机数。
解决方案

import numpy as np

# 1. 使用 randint 方法生成随机整数数组
random_ints = np.random.randint(100, 201, size=20)
print(random_ints)

# 2. 使用 rand 方法生成随机浮点数数组
random_floats = np.random.rand(15)
print(random_floats)

# 3. 从数组中随机选择元素
random_elements = np.random.choice(, size=10, replace=True)
print(random_elements)

# 4. 生成服从标准正态分布的随机数
normal_randoms = np.random.randn(5)
print(normal_randoms)最后

为了方便其他设备和平台的小伙伴观看往期文章:
微信公众号搜索:Let us Coding,关注后即可获取最新文章推送
看完如果觉得有帮助,欢迎点赞、收藏、关注

来源:https://www.cnblogs.com/xiaowange/p/18202735
免责声明:由于采集信息均来自互联网,如果侵犯了您的权益,请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容,谢谢合作!
页: [1]
查看完整版本: NumPy 数组排序、过滤与随机数生成详解