翼度科技»论坛 编程开发 python 查看内容

NumPy 数组排序、过滤与随机数生成详解

5

主题

5

帖子

15

积分

新手上路

Rank: 1

积分
15
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:
  1. import numpy as np
  2. arr = np.array([3, 2, 0, 1])
  3. print(np.sort(arr))
复制代码
输出:
  1. [0 1 2 3]
复制代码
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:
  1. import numpy as np
  2. arr = np.array([[3, 2, 4], [5, 0, 1]])
  3. print(np.sort(arr))
复制代码
输出:
  1. [[0 1 2]
  2. [3 4 5]]
复制代码
练习

使用 NumPy 正确的方法对以下数组进行排序:
  1. arr = np.array([3, 2, 0, 1])
  2. x = np.sort(
  3.     # 请在此处填写代码
  4. )
  5. print(x)
复制代码
解答:
  1. x = np.sort(arr)
复制代码
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:
  1. import numpy as np
  2. arr = np.array([41, 42, 43, 44])
  3. x = [True, False, True, False]
  4. newarr = arr[x]
  5. print(newarr)
复制代码
输出:
  1. [41 43]
复制代码
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:
  1. import numpy as np
  2. arr = np.array([41, 42, 43, 44])
  3. filter_arr = arr > 42
  4. newarr = arr[filter_arr]
  5. print(filter_arr)
  6. print(newarr)
复制代码
输出:
  1. [False  True  True  True]
  2. [43 44]
复制代码
仅返回偶数元素:
  1. import numpy as np
  2. arr = np.array([1, 2, 3, 4, 5, 6, 7])
  3. filter_arr = arr % 2 == 0
  4. newarr = arr[filter_arr]
  5. print(filter_arr)
  6. print(newarr)
复制代码
输出:
  1. [False  True  False  True  False  True  False]
  2. [2 4 6]
复制代码
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:
  1. import numpy as np
  2. arr = np.array([41, 42, 43, 44])
  3. newarr = arr[arr > 42]
  4. print(newarr)
复制代码
输出:
  1. [43 44]
复制代码
仅返回偶数元素:
  1. import numpy as np
  2. arr = np.array([1, 2, 3, 4, 5, 6, 7])
  3. newarr = arr[arr % 2 == 0]
  4. print(newarr)
复制代码
输出:
  1. [2 4 6]
复制代码
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:
  1. import numpy as np
  2. arr = np.
复制代码
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:
  1. import numpy as np
  2. # 生成 10 个介于 0 和 100 之间的随机整数
  3. x = np.random.randint(0, 101, size=10)
  4. print(x)
复制代码
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:
  1. import numpy as np
  2. # 生成 5 个随机浮点数
  3. x = np.random.rand(5)
  4. print(x)
复制代码
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:
  1. import numpy as np
  2. # 从数组 [1, 2, 3, 4, 5] 中随机选择 3 个元素
  3. x = np.random.choice([1, 2, 3, 4, 5], size=3)
  4. print(x)
复制代码
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:
  1. import numpy as np
  2. x = np.random.randn(10)
  3. print(x)
复制代码
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 [1, 3, 5, 7, 9] 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
  1. import numpy as np
  2. # 1. 使用 randint 方法生成随机整数数组
  3. random_ints = np.random.randint(100, 201, size=20)
  4. print(random_ints)
  5. # 2. 使用 rand 方法生成随机浮点数数组
  6. random_floats = np.random.rand(15)
  7. print(random_floats)
  8. # 3. 从数组中随机选择元素
  9. random_elements = np.random.choice([1, 3, 5, 7, 9], size=10, replace=True)
  10. print(random_elements)
  11. # 4. 生成服从标准正态分布的随机数
  12. normal_randoms = np.random.randn(5)
  13. print(normal_randoms)
复制代码
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!

举报 回复 使用道具