利用Python数据分析：Numpy基础（五）

import numpy as nppoints = np.arange(-5, 5, 0.01) # 产生1000个建个相等的点xs, ys = np.meshgrid(points, points) # meshgrid接受两个一维的数组，并且产生两个二维矩阵ysimport matplotlib.pyplot as pltz = np.sqrt(xs**2+ys**2)  # 而后像浮点数那样写表达式即可zplt.imshow(z, cmap=plt.cm.gray);plt.colorbar()plt.title("Image plot of $\sqrt{x^2 + y^2}$ for a  grid of values")# numpy.where 是三元表达式 x if condition else y 的矢量化版本xarr = np.array([1.1,1.2,1.3,1.4,1.5])yarr = np.array([2.1,2.2,2.3,2.4,2.5])cond = np.array([True,False,True,True,False])#根据cond中的值来选取xarr和yarr中的值，当为T的时候从xarr中取，否则从yarr中取result = [(x if c else  y )            for x ,y ,c in zip(xarr,yarr,cond) ]result#这一部分是纯Python就行处理的第一处理的速度是不够快的其次没有办法使用在多维数组上result = np.where(cond,xarr,yarr)result#np.where中的第二和第三个参数可以不是数组可以是标量值arr = np.random.randn(4,4)arrnp.where(arr>0,2,-2) # 将数组中＞0的数字设置为2，否则为-2np.where(arr >0 ,2,arr)#只将正数的数值设置为2#可以同归数组上的一组数学函数对整个数组或者是某个轴向进行统计运算arr = np.random.randn(5, 4) # 正态分布的数据arr.mean()np.mean(arr) # sum,mean std可以当数组的实例方法也能当numpy的顶级方法arr.sum()np.sum(arr)arr.mean(axis=1) #接受一个axis参数而后返回一个少一维的数组arr.sum(0)arr = np.array([[0,1,2],[3,4,5],[6,7,8]])arr.cumsum(0) #cumsum 和cumprod 的方法不聚合产生一个中间结果组成的数组arr.cumprod(1) #每一行元素相乘#用布尔数组方法arr =np.random.randn(1000)(arr>0).sum()#计算正值的数量bools = np.array([False,False,True,False])bools.any() # 检查布尔数组里面有没有存在Tbools.all()# 检查是否全部为T