文档建议反馈控制台
首页
学习
活动
专区
圈层
工具
MCP广场
文章/答案/技术大牛
发布
首页
学习
活动
专区
圈层
工具
MCP广场
返回腾讯云官网
社区首页 >专栏 >（numpy）Python做数据处理必备框架！（二）：ndarray切片的使用与运算；常见的ndarray函数：平方根、正余弦、自然对数、指数、幂等运算；统计函数：方差、均值、极差；比较函数...

（numpy）Python做数据处理必备框架！（二）：ndarray切片的使用与运算；常见的ndarray函数：平方根、正余弦、自然对数、指数、幂等运算；统计函数：方差、均值、极差；比较函数...

作者头像
凉凉心.
发布于 2025-10-13 17:51:06
发布于 2025-10-13 17:51:06
1320
举报
文章被收录于专栏：CSDN专栏CSDN专栏

ndarray切片

索引从0开始

索引/切片类型

描述/用法

基本索引

通过整数索引直接访问元素。

行/列切片

使用冒号：切片语法选择行或列的子集

连续切片

从起始索引到结束索引按步长切片

使用slice函数

通过slice(start,stop,strp)定义切片规则

布尔索引

通过布尔条件筛选满足条件的元素。支持逻辑运算符 &、|。

代码语言：javascript
复制
import numpy as np
arr =  np.random.randint(1,100,20)
print(arr)
# [31 78 14 48 91  1 79 47 75 45 80 90 65  2 77 51 81 60 84 50]


# 索引和切片的用法与python基本语法完全一致
print(arr[10])
print(arr[:]) 
print(arr[2:5])

特殊用法-布尔索引

代码语言：javascript
复制
print(arr[arr>20])
# [31 78 48 91 79 47 75 45 80 90 65 77 51 81 60 84 50]
print(arr[(arr>20) & (arr<50)])

slice函数

代码语言：javascript
复制
arr[slice(2,5)]
# 等同于
arr[2:5]

slice函数还可以定义步长

代码语言：javascript
复制
arr[slice(2,5,2)] # 获取从索引2开始到索引5结束并每个数间隔2个索引值

二维数组

代码语言：javascript
复制
# 二维数组
arr = np.random.randint(1,100,(4,4))
print(arr)

大体写法一致

  • 二维数组通过 ，号来分别 行列的索引[row,col]
代码语言：javascript
复制
print(arr[1,3]) # 获得在索引1的行上并且索引3的列上的值
print(arr[1][3]) # 相同写法


print(arr[1,2:5]) # 获取索引1行上满足索引2:5列的值

print(arr[2][arr[2]>50]) # 在索引2行上所有满足索引2行中值大于50的值
# 若满足条件的值索引不在原行中，那么满足条件的值索引会传导错误的索引
print(arr[2][arr[3]>50])

二维数组使用布尔索引后，满足条件返回的数组会是一个一维数组

若要直接获得列的值，好办

代码语言：javascript
复制
print(arr[:,3]) # 获得所有索引3的列值

ndarray的运算

算数运算

在原生Python中，数组之间不能直接进行算数运算

  • +运算符只能是拼接作用，而不是加法运算

– 原生Python

代码语言：javascript
复制
c = [1,2,3]
d = [4,5,6]
print(c+d) # [1 2 3 4 5 6]
print(c-d) # 报错

# 数组相加
for i in range(len(c)):
    c[i] += d[i]
print(c) # [5,7,9]

在numpy中，可以直接运算

代码语言：javascript
复制
a = np.array([1,2,3])
b = np.array([4,5,6])
print(a+b) # [5 7 9]
print(a-b) # [-3 -3 -3]
print(a*b) # [ 4 10 18]
print(a/b) # [0.25 0.4  0.5 ]
print(a%b) # [1 2 3]
print(a**b) # [  1  32 729]
  • 行列之间与索引挂钩，两个数组之间按照相同索引进行算数运算
代码语言：javascript
复制
# 算数运算
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
b = np.array([[7,8,9],[4,5,6],[1,2,3]])
print(a+b)
print(a-b)
print(a*b)
print(a/b)
print(a%b)
print(a**b)
#[[ 8 10 12]
# [ 8 10 12]
# [ 8 10 12]]

#[[-6 -6 -6]
# [ 0  0  0]
# [ 6  6  6]]

#[[ 7 16 27]
# [16 25 36]
# [ 7 16 27]]

#[[0.14285714 0.25       0.33333333]
# [1.         1.         1.        ]
# [7.         4.         3.        ]]

#[[1 2 3]
# [0 0 0]
# [0 0 0]]

#[[    1   256 19683]
# [  256  3125 46656]
# [    7    64   729]]
  • 当数组要直接跟数字进行算数运算，是在每个元素上都进行一次运算
代码语言：javascript
复制
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
print(a + 10)
# [[11 12 13]
# [14 15 16]
# [17 18 19]]

广播机制

当数组之间维度不同，可以使用广播机制进行交叉运算

条件（或）：

  1. 行或列需要一致
  2. 行为1列不为1 或者 行不为1列为1
  3. 行列之间维度必须一致
代码语言：javascript
复制
# 广播机制
a = np.array([1,2,3]) # 1*3
b = np.array([[1],[2],[3]])# 3*1
print(a+b)
#[[2 3 4]
# [3 4 5]
# [4 5 6]]

矩阵运算

代码语言：javascript
复制
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
b = np.array([[7,8,9],[4,5,6],[1,2,3]])
print(a @ b) # 求a和b的矩阵值
代码语言：javascript
复制
'''
a：
[[1 2 3]
 [4 5 6]
 [7 8 9]]
 
b:
[[7 8 9]
 [4 5 6]
 [1 2 3]]
 '''

如何求矩阵？numpy中求矩阵值的符号为：@

其原理是获得a数组的行和b数组的列然后进行相加。

例如求索引（1，2）的矩阵值：

  1. 获得 a数组在 第1行 上的所有值；相当于 a[1,] [1 2 3]
  2. 获得 b数组在 第2列 上的所有值；相当于 b[,2] [8 5 2]
  3. 将上述两个数组筛选出来的值，按照对应索引相乘后再相加，得到矩阵在（1,2）索引位置的值 (1*8)+(2*5)+(3*2)= 24
代码语言：javascript
复制
# 矩阵运算
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
b = np.array([[7,8,9],[4,5,6],[1,2,3]])
print(a)
print(b)
print(a[1,])
print(b[:,2])
print('##########')
print(a @ b)
# 举证值
'''
[[ 18  24  30]
 [ 54  69  84]
 [ 90 114 138]]
'''

在获得行列步骤中，锁定行列的不是索引，直接是第几行或第几列

常用函数

  • 基本数学
    • np.sqrt(x)
    • np.exp(x)
    • np.log(x)
    • np.sin(x)
    • np.abs(x)
    • np.power(a,b)
    • np.round(x,n)
  • 统计
    • np.sum(x)
    • np.mean(x)
    • np.std(x)
    • np.var(x)
    • np.min(x)
    • np.max(x)
    • np.percentile(x,q)
  • 比较 np.greater(a,b) np.less(a,b) np.equal(a,b) np.logical_and(a,b) np.where(conditaion,x,y)
  • 去重
    • np.unique(x)
    • np.in1d(a,b)
  • 其他
    • np.concatenate((a,b))
    • np.split(x,indices)
    • np.reshape(x,shape)
    • np.copy(x)
    • np.isnan(x)
  • 排序
    • np.sort(x)
    • x.sort()
    • np.argsort(x)
    • np.lexsort(keys)

计算平方根

代码语言：javascript
复制
print(np.sqrt(9))
print(np.sqrt([1,2,4]))
arr = np.array([16,50,81])
print(np.sqrt(arr))
'''
3.0
[1.         1.41421356 2.        ]
[4.         7.07106781 9.        ]
'''

计算指数

e^x=y
  • 默认以 e（2.71） 为底
代码语言：javascript
复制
print(np.exp(0))
print(np.exp(1))
print(np.exp(5))
'''
1.0
2.718281828459045
148.4131591025766
'''

计算自然对数

lny =x
代码语言：javascript
复制
print(np.log(2.71)) # 0.99....

计算正弦、余弦…

代码语言：javascript
复制
# 将角度转换为弧度
def catchNum(x):
    return x*np.pi/180
    
print(np.sin(catchNum(135)))
print(np.cos(np.pi))
print(np.tan(catchNum(90)))
'''
0.7071067811865476
-1.0
1.633123935319537e+16
'''
  • numpy中计算正余弦这类函数，传入的是一个弧度，而不是角度，所以还需要将角度转换为弧度

绝对值

代码语言：javascript
复制
 # 绝对值
arr = np.array([-1,1,2,3,-3])
print(np.abs(arr)) # [1 1 2 3 3]

幂运算

代码语言：javascript
复制
print(np.power(arr,3)) # [ -1   1   8  27 -27]

四舍五入-向下或向下取整

代码语言：javascript
复制
print(np.round([3.2,4.5,5,8.1,9.67])) # [ 3.  4.  5.  8. 10.]

numpy中，x.5会被舍去。这是python自身的问题

  • 解决办法就是在小数后添一位数字即可
代码语言：javascript
复制
print(np.round([3.2,4.51,8.1,9.67])) # [ 3.  5.  8. 10.]

向上、向下取整

代码语言：javascript
复制
# 向上向下取整
arr = np.array([1.6, 25.1, 3.5])
# 向上取整 ceil()
print(np.ceil(arr)) # [ 2. 26.  4.]

# 向下取整 floor()
print(np.floor(arr)) # [ 1. 25.  3.]

检测缺失值NaN

代码语言：javascript
复制
np.isnan([1,2,np.nan,3])
# array([False, False,  True, False])

统计函数

基本统计 均值、方差、标准差、求和最大最小值

  • 默认执行一维运算
代码语言：javascript
复制
arr = np.array([[1, 2, 3], [4, 5, 6]])

print(np.mean(arr))      # 均值：3.5
print(np.var(arr))       # 方差：2.9166666666666665
print(np.std(arr))       # 标准差：1.707825127659933

print(np.sum(arr))       # 总和：21
print(np.min(arr))       # 最小值：1
print(np.max(arr))       # 最大值：6
  • 通过指定axis属性来决定按 行 还是 列 进行计算
    • axis = 0 按列
    • axis = 1 按行
代码语言：javascript
复制
print(np.mean(arr, axis=0))  # 按列求均值：[2.5 3.5 4.5]
print(np.mean(arr, axis=1))  # 按行求均值：[2. 5.]
print(np.sum(arr, axis=1))   # 按行求和：[ 6 15]

方差和标准差比均值更能够看出一组数据中的可用率

位置计算 中位数和百分数

  • 中位数 .median()

当数组个数为偶数是取中间两个数的平均值

代码语言：javascript
复制
data = np.array([1, 3, 2, 4, 5])
print(np.median(data))  # 输出：3.0（排序后中间的数）

# 偶数个元素时取中间两个数的平均值
data = np.array([1, 2, 3, 4])
print(np.median(data))  # 输出：2.5（(2+3)/2）

在执行运算前，会将数组排序

通过.percentile()，可以通过百分数获取数组中的值

代码语言：javascript
复制
data = np.array([1, 2, 3, 4, 5])
print(np.percentile(data, 25))  # 第25百分位数：2.0
print(np.percentile(data, 50))  # 第50百分位数（中位数）：3.0
print(np.percentile(data, 75))  # 第75百分位数：4.0
print(np.percentile(data, 45)) # 2.8
  • .percentile() 还可以获取多个位置上的值
代码语言：javascript
复制
a,b = np.percentile(data,[25,75])  # [2. 4.]
print(a,b) # 2.0 4.0

求占比：

代码语言：javascript
复制
np.random.seed(0)
arr = np.random.randint(1,100,50)
print(np.sort(arr))
# 获得arr中超过占比90的值
num = np.percentile(arr,90)
print(np.sort(arr[arr>num]))
'''
[10 10 10 13 15 20 20 21 22 24 26 30 32 33 33 36 37 38 40 40 45 47 48 48
 50 58 59 65 65 66 66 68 68 70 71 73 75 76 78 80 81 82 83 84 88 88 89 89
 89 89]
 
## 值：
[89 89 89 89]
'''

极差 .ptp()

代码语言：javascript
复制
data = np.array([1, 3, 2, 4, 5])
print(np.ptp(data))  # 输出：4（5-1）

累计和、累积积

代码语言：javascript
复制
arr = np.array([1,2,3])
print(np.sum(arr)) # 求和
print(np.cumsum(arr)) # 累积和
print(np.cumprod(arr)) # 累积积
'''
6
[1 3 6]
[1 2 6]
'''
  • 累积和：[1,1+2,1+2+3]
  • 累积积：[1,1*2,1*2*3]

比较函数

比较是否大于、小于、等于、等于；逻辑 与、或、非 检查数组中是否有一个True，是否所有的都为True，自定义条件

是否大于、小于

  • .greater(arr[],num)
  • .less(arr[],num)
代码语言：javascript
复制
arr = np.array(range(1,10))
# 是否大于
print(np.greater(arr,4))
# 是否小于
print(np.less(arr,4))

'''
[False False False False  True  True  True  True  True]
[ True  True  True False False False False False False]
'''
  • 在一个数组中，判断该数组中所有的元素是否大于或小于指定的num值

二维数组一样比较

代码语言：javascript
复制
arr = np.array([range(1,10),range(11,20)])
# 是否大于
print(np.greater(arr,4))
# 是否小于
print(np.less(arr,4))

'''
[[False False False False  True  True  True  True  True]
 [ True  True  True  True  True  True  True  True  True]]
[[ True  True  True False False False False False False]
 [False False False False False False False False False]]
'''

是否等于

  • .equal(arr[],num)

与大于或小于是一样的

代码语言：javascript
复制
print(np.equal(arr,11))
'''
[[False False False False False False False False False]
 [ True False False False False False False False False]]
'''

矩阵间进行判断

  • 矩阵间进行判断需要维度和形状保持一致
代码语言：javascript
复制
arr = [1,2,9]
arr1 = [2,3,4]
print(np.less(arr,arr1))
print(np.greater(arr,arr1))
print(np.equal(arr,arr1))

'''
[ True  True False]
[False False  True]
[False False False]
'''
  • 根据两个数组中对应的索引进行判断

逻辑与或非

代码语言：javascript
复制
arr = [1,0]
arr1 = [0,1]
arr2 = [1,1]
arr3 = [0,0]
print(np.logical_and(arr,arr1))
print(np.logical_or(arr3,arr1))
print(np.logical_not(arr3))

'''
[False False]
[False  True]
[ True  True]
'''

检查元素

  • any() 检查数组中是否至少有一个为True
  • all() 检查数组中的全部元素都为True
代码语言：javascript
复制
print(np.any([0,0,0,0])) # False
print(np.all([1,1,1,1])) # True

where()自定义检索

  • .where(判断条件，符合条件，不符合条件)

跟三元运算符一个意思

代码语言：javascript
复制
np.random.seed(1)
score = np.random.randint(0,101,30)
score = np.sort(score)
print(score)
print('#########')
arr = np.where(
    score<60, # 判断条件
    '不及格', # 符合条件执行
    np.where( # 不符合条件，这里再次进行where筛选
        score<80,
        '良好',
        np.where(
            score<95,
            '优秀',
            '极佳'
        )
    )
)
print(arr)
'''
[ 1  5  6  9 11 12 13 14 16 18 20 25 28 29 37 50 50 64 68 71 72 75 76 79
 84 86 87 87 94 96]
#########
['不及格' '不及格' '不及格' '不及格' '不及格' '不及格' '不及格' '不及格' '不及格' '不及格' '不及格' '不及格'
 '不及格' '不及格' '不及格' '不及格' '不及格' '良好' '良好' '良好' '良好' '良好' '良好' '良好' '优秀'
 '优秀' '优秀' '优秀' '优秀' '极佳']
'''

select() 条件检索

与where()类似

  • np.select(判断条件[],执行结果[],?default)
代码语言：javascript
复制
arr = np.select(
    [score<60,score<80,score<95,score>=95], # 判断条件
    ['不及格','良好','优秀','极佳'], # 执行结果
    default='Null' # 默认值
)
print(arr)

'''
['不及格' '不及格' '不及格' '不及格' '不及格' '不及格' '不及格' '不及格' '不及格' '不及格' '不及格' '不及格'
 '不及格' '不及格' '不及格' '不及格' '不及格' '良好' '良好' '良好' '良好' '良好' '良好' '良好' '优秀'
 '优秀' '优秀' '优秀' '优秀' '极佳']
'''

排序与去重函数

排序

  • .sort(数组) 返回排序后的数组
  • .argsort(数组) 获得排序后的值在原数组中的索引
代码语言：javascript
复制
arr = [9,8,5,1,3,4]
print(np.sort(arr)) # [1 3 4 5 8 9]
print(np.argsort(arr)) # [3 4 5 2 1 0]

去重

  • .unique(arr[]) 去除数组中重复的值
代码语言：javascript
复制
arr = np.random.randint(1,100,30)
print(np.sort(arr))
print(np.sort(np.unique(arr)))

'''
[ 1  2  4  4  8  9 10 14 22 23 25 27 31 44 48 50 53 58 58 61 62 64 69 71
 72 73 77 81 82 89]
 
[ 1  2  4  8  9 10 14 22 23 25 27 31 44 48 50 53 58 61 62 64 69 71 72 73
 77 81 82 89]
'''
  • 示例中，58 和 4去重了

拼接、分隔与形状调整

拼接

  • .concatenate((arr1[],arr2[]),axis)

将两个数组拼接成一个数组

  • axis=0：按照row行进行拼接
  • axis=1：按照col列进行拼接
代码语言：javascript
复制
arr = np.array([1,2,3])
arr1 = np.array([6,4,5])
print(np.concatenate((arr,arr1),axis=0)) # [1 2 3 6 4 5]

arr = np.array([[1,2,3],[4,5,6]])
arr1 = np.array([[7,8,9],[10,11,12]])
print(np.concatenate((arr,arr1),axis=1))
'''
[[ 1  2  3  7  8  9]
 [ 4  5  6 10 11 12]]
'''

分隔和形状重调

  • 这两个方法的使用前提，都必须要求调整后的数组应符合调整后对应的条件

例如：数组个数为99个，但是要求分割成4个数组，这是不允许的，因为不能够等分的分割

分隔
  • .split(arr[],num|arr[])

​ .split(分隔数组，分隔条件)

分隔条件若为数组，则按照索引进行分割

代码语言：javascript
复制
arr = np.array(range(1,101))
print(arr)
print(np.split(arr,4)) # 分成4份数组
'''
[
array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16, 17,
       18, 19, 20, 21, 22, 23, 24, 25]), 
array([26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42,
       43, 44, 45, 46, 47, 48, 49, 50]), 
array([51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67,
       68, 69, 70, 71, 72, 73, 74, 75]), 
array([ 76,  77,  78,  79,  80,  81,  82,  83,  84,  85,  86,  87,  88,
        89,  90,  91,  92,  93,  94,  95,  96,  97,  98,  99, 100])]
'''

传入数组，则按照索引分割

代码语言：javascript
复制
# 与split(arr,4) 等效
print(np.split(arr,[25,50,75]))
'''
[
array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16, 17,
       18, 19, 20, 21, 22, 23, 24, 25]), 
array([26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42,
       43, 44, 45, 46, 47, 48, 49, 50]), 
array([51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67,
       68, 69, 70, 71, 72, 73, 74, 75]), 
array([ 76,  77,  78,  79,  80,  81,  82,  83,  84,  85,  86,  87,  88,
        89,  90,  91,  92,  93,  94,  95,  96,  97,  98,  99, 100])]
'''
    
print(np.split(arr,[25,75]))
'''
[array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16, 17,
       18, 19, 20, 21, 22, 23, 24, 25]), 
array([26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42,
       43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59,
       60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75]), 
array([ 76,  77,  78,  79,  80,  81,  82,  83,  84,  85,  86,  87,  88,
        89,  90,  91,  92,  93,  94,  95,  96,  97,  98,  99, 100])]
'''
形状重调
  • reshape(数组,[行，列]) 重新调整显示的行列，并返回一个多维数组
代码语言：javascript
复制
print(np.reshape(arr,[5,20]))

'''
[
# 1
[  1   2   3   4   5   6   7   8   9  10  11  12  13  14  15  16  17  18
   19  20]
   
# 2
[ 21  22  23  24  25  26  27  28  29  30  31  32  33  34  35  36  37  38
   39  40]
   
# 3
[ 41  42  43  44  45  46  47  48  49  50  51  52  53  54  55  56  57  58
   59  60]
# 4
[ 61  62  63  64  65  66  67  68  69  70  71  72  73  74  75  76  77  78
   79  80]

# 5
[ 81  82  83  84  85  86  87  88  89  90  91  92  93  94  95  96  97  98
   99 100]
   
]
'''
本文参与 腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。
原始发表：2025-10-13，如有侵权请联系 cloudcommunity@tencent.com 删除
框架
统计
python
数据处理
函数

本文分享自 作者个人站点/博客 前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ，欢迎热爱写作的你一起参与！

框架
统计
python
数据处理
函数
评论
登录后参与评论
0 条评论
热度
最新
登录 后参与评论
推荐阅读
目录
  • ndarray切片
    • 二维数组
  • ndarray的运算
    • 算数运算
    • 广播机制
    • 矩阵运算
  • 常用函数
    • 计算平方根
    • 计算指数
    • 计算自然对数
    • 计算正弦、余弦…
    • 绝对值
    • 幂运算
    • 四舍五入-向下或向下取整
    • 检测缺失值NaN
  • 统计函数
    • 基本统计 均值、方差、标准差、求和最大最小值
    • 位置计算 中位数和百分数
    • 极差 .ptp()
    • 累计和、累积积
  • 比较函数
    • 是否大于、小于
    • 是否等于
    • 逻辑与或非
    • 检查元素
    • where()自定义检索
    • select() 条件检索
  • 排序与去重函数
    • 排序
    • 去重
  • 拼接、分隔与形状调整
    • 拼接
    • 分隔和形状重调
      • 分隔
      • 形状重调
领券

腾讯云开发者

扫码关注腾讯云开发者

扫码关注腾讯云开发者

领取腾讯云代金券

热门产品

热门推荐

更多推荐

Copyright © 2013 - 2025 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有 

深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 深公网安备号 44030502008569

腾讯云计算（北京）有限责任公司 京ICP证150476号 |  京ICP备11018762号 | 京公网安备号11010802020287

问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档

Copyright © 2013 - 2025 Tencent Cloud.

All Rights Reserved. 腾讯云 版权所有

登录 后参与评论