百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

Python数据分析学习笔记8——NumPy数组遍历与排序

ztj100 2025-01-16 21:40 21 浏览 0 评论

数组遍历

使用for循环来实现

# -*- coding:utf-8 -*-
import numpy as np

print('一维数组')
arr = np.array([10,20,30,50,36,25])
for item in arr:
    print(item)


print('二维数组')

arr = np.array([[10,20],[30,50],[36,25]])
for item in arr:
    print(item)



用flat属性,遍历数组的所有元素

# -*- coding:utf-8 -*-
import numpy as np
print('二维数组flat')
arr = np.array([[10,20],[30,50],[36,25]])
for item in arr.flat:
    print(item)




数组排序

使用sort()对数组进行排序

  • 如果是在“数组对象”上调用sort(),则会对数组本身进行排序。
  • 如果是在“NumPy”上调用 sort(),则会返回该数组对象的排序副本。

语法:

  • arr.sort(axis = n)
  • np.sort(arr,axis = n)

axis = n 表示沿着那条轴进行排序,0 沿纵轴排序,1沿横轴排序

数组对象调用sort()

# -*- coding:utf-8 -*-
import numpy as np

print('一维数组排序')
arr = np.array([10,20,30,50,36,25])
arr.sort()
print(arr)


sort()默认实现的是升序排列

降序排列 (使用切片的方式对arr进行反转 arr[::-1])

# -*- coding:utf-8 -*-
import numpy as np

print('一维数组降序排序')
arr = np.array([10,20,30,50,36,25])
arr.sort()
result = arr[::-1]
print(result)



NumPy调用sort()

# -*- coding:utf-8 -*-
import numpy as np


arr = np.array([10,20,30,50,36,25])
result =np.sort(arr)

print(result)


  • arr.sort() 会修改原数组
  • np.sort(arr) 不会修改原数组(更推荐)

#-*- coding:utf-8 -*-
import numpy as np

print('二维数组')

arr = np.array([[10,20,34,55],[30,50,98,66],[36,25,12,37]])
result1 = np.sort(arr,axis =0)
print("二维数组纵向排序:",result1,sep= "\n")

result2 = np.sort(arr,axis =1)
print("二维数组横向排序:",result2,sep= "\n")




学习参考资料:《从0到1Python数据分析》

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: