今天来继续学习一下Numpy库的使用

接着昨天的内容继续

在Numpy中，我们如果想要进行一个判断使用“==”

我们来看下面的代码

vector = np.array([5,10,15,20,25])
vector == 10

我们来看看上面的代码，这段代码表示的是什么意思呢？

vector == 10 表示的是，当前的array当中所有的元素都会进行判断

是否等于10

我们可以看到，运行结果为上图所示，只有第2个值为True 那么这里可以看到是对每一个值都进行了判断

那么矩阵操作也是一样的

matrix = np.array([
[1,2,3],
[4,5,6],
[7,8,9],
])
matrix == 5

可以看到运行结果，只有第2行，第2列值为5的位置，为True，其他都为False

当然得到的判断结果，是一个布尔类型的

那么我们如果现在已经对判断熟悉了，我们已经做了判断

但是我想把这个元素取出来应该如果操作呢？

vector = np.array([5,10,15,20,25])
index = (vector == 10)
print (index)
print (vector[index])

我们先将数组，进行判断，让后将这个判断结果存入一个值中，作为一个索引

打印结果如下

结果等于10，说明可以帮我们把True返回，False值直接过滤掉

当然在矩阵操作中也是一样的

matrix = np.array([
[1,2,3],
[4,5,6],
[7,8,9],
])
i5 = (matrix[:,1]==5)
print(i5)
print(matrix[i5,:])

Numpy中也有与和或这样的逻辑运算，比我我们要计算

vector = np.array([5,10,15,20,25])
equal = (vector == 10)&(vector==5)
print(equal)

这里可以看出，与运算中，既要等于10，又要等于5，在返回的结果中，全为False

 需要判断是否同时满足条件

在看一下或的关系

vector = np.array([5,10,15,20,25])
equal = (vector == 10)|(vector==5)
print(equal)

结果可以看出，前面两个元素，都满足了或的关系，返回True

接下来我们说下如何替换满足关系的值

vector = np.array([5,10,15,20,25])
equal = (vector == 10)|(vector==5)
vector[equal]=30
print(vector)

将满足条件的值进行替换，返回替换后的向量

矩阵操作如下

matrix = np.array([
[1,2,3],
[4,5,6],
[7,8,9],
])
i5 = matrix[:,1]==5
print(i5)
matrix[i5,1] = 10
print(matrix)

运行上述代码，我们可以将中间行5的值，替换为10

接下来我们在讲下在Numpy中如何做类型转换的

vector = np.array([5,10,15,20,25])
print(vector.dtype)
print(vector)
vector = vector.astype(float)
print (vector.dtype)
print(vector)

我们先将一个，类型为int的向量，的dtype值打印出来

在将这个向量进行astype的转换，转换为float值

结果可以看到，原来的int32类型，被转换成了float64类型

在说下，比如我们通常需要进行数学运算，进行最大值， 最小值得求值

vector = np.array([5,10,15,20,25])
vector.min()

取一个最小值

vector = np.array([5,10,15,20,25])
vector.max()

取一个最大值

如何对矩阵，按照行，或者按照列的方式，进行求和操作

可以看到，我们指定维度为1，也就是按照行的方式进行一个求和

matrix = np.array([
[1,2,3],
[4,5,6],
[7,8,9],
])
matrix.sum(axis=1)

axis =1 为按照行的方式进行求和，axis = 0 按照列的方式进行求和

好的，今天就先讲到这里，感谢各位阅读~~欢迎点赞转发！下次我们继续讲讲Numpy中的矩阵操作