NumPy 數組排序

排序數組

排序數組意味著將元素按特定順序排列。順序可以是數字大小、字母順序、升序或降序等。

NumPy 的 ndarray 對象提供了一個名為 sort() 的函數，用于對數組進行排序。

示例：

import numpy as np

arr = np.array([3, 2, 0, 1])

print(np.sort(arr))

輸出：

[0 1 2 3]

注意：

sort() 方法會返回數組的副本，原始數組不會被修改。 可以對字符串數組、布爾數組等其他數據類型進行排序。

排序二維數組

對于二維數組，sort() 方法會對每一行進行排序。

示例：

import numpy as np

arr = np.array([[3, 2, 4], [5, 0, 1]])

print(np.sort(arr))

輸出：

[[0 1 2]
[3 4 5]]

練習

使用 NumPy 正確的方法對以下數組進行排序：

arr = np.array([3, 2, 0, 1])

x = np.sort(
    # 請在此處填寫代碼
)

print(x)

解答：

x = np.sort(arr)

NumPy 數組過濾

過濾數組

過濾數組是指從現有數組中選取部分元素，并創(chuàng)建新的數組。

在 NumPy 中，可以使用布爾索引列表來過濾數組。布爾索引列表是一個與數組索引相對應的布爾值列表。

如果索引處的值為 True，則該元素會被包含在過濾后的數組中；如果為 False，則會被排除。

示例：

import numpy as np

arr = np.array([41, 42, 43, 44])

x = [True, False, True, False]

newarr = arr[x]

print(newarr)

輸出：

[41 43]

解釋：

新數組 newarr 只包含 arr 中索引為 0 和 2 的元素，因為 x 對應索引處的值為 True。

創(chuàng)建過濾數組

通常情況下，我們需要根據條件來創(chuàng)建過濾數組。

示例：

僅返回大于 42 的元素：

import numpy as np

arr = np.array([41, 42, 43, 44])

filter_arr = arr > 42

newarr = arr[filter_arr]

print(filter_arr)
print(newarr)

輸出：

[False  True  True  True]
[43 44]

僅返回偶數元素：

import numpy as np

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

filter_arr = arr % 2 == 0

newarr = arr[filter_arr]

print(filter_arr)
print(newarr)

輸出：

[False  True  False  True  False  True  False]
[2 4 6]

直接從數組創(chuàng)建過濾

NumPy 提供了一種更簡潔的方式來創(chuàng)建過濾數組，即直接在條件中使用數組：

示例：

僅返回大于 42 的元素：

import numpy as np

arr = np.array([41, 42, 43, 44])

newarr = arr[arr > 42]

print(newarr)

輸出：

[43 44]

僅返回偶數元素：

import numpy as np

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

newarr = arr[arr % 2 == 0]

print(newarr)

輸出：

[2 4 6]

練習

使用 NumPy 的直接過濾方法，從以下數組中過濾出所有平方為偶數的元素：

import numpy as np

arr = np.

NumPy 中的隨機數

什么是隨機數？

隨機數是指無法通過確定性方法預測其值的數據。通常情況下，隨機數是指在一定范圍內均勻分布的數字。

在計算機中，由于程序的確定性，不可能生成真正的隨機數。因此，通常使用偽隨機數來代替隨機數。偽隨機數是通過算法生成的，但看起來像隨機數。

NumPy 中的隨機數生成

NumPy 提供了 random 模塊用于生成隨機數。該模塊提供了多種方法，可以生成不同類型和分布的隨機數。

生成隨機整數

randint(low, high, size)：生成指定范圍內的隨機整數。 low：下限，默認為 0。 high：上限，不包括上限本身。 size：輸出數組的形狀。

示例：

import numpy as np

# 生成 10 個介于 0 和 100 之間的隨機整數
x = np.random.randint(0, 101, size=10)
print(x)

生成隨機浮點數

rand(size)：生成介于 0 和 1 之間的隨機浮點數。 size：輸出數組的形狀。

示例：

import numpy as np

# 生成 5 個隨機浮點數
x = np.random.rand(5)
print(x)

從數組中生成隨機數

choice(a, size, replace)：從數組 a 中隨機選擇元素。 a：源數組。 size：輸出數組的形狀。 replace：是否允許重復選擇元素，默認為 False。

示例：

import numpy as np

# 從數組 [1, 2, 3, 4, 5] 中隨機選擇 3 個元素
x = np.random.choice([1, 2, 3, 4, 5], size=3)
print(x)

生成指定分布的隨機數

NumPy 還提供了其他方法來生成特定分布的隨機數，例如正態(tài)分布、均勻分布、指數分布等。

randn(size)：生成服從標準正態(tài)分布的隨機數。 randm(size)：生成服從均勻分布的隨機整數。 beta(a, b, size)：生成服從 Beta 分布的隨機數。 gamma(shape, scale, size)：生成服從 Gamma 分布的隨機數。 poisson(lam, size)：生成服從泊松分布的隨機整數。

例如，生成 10 個服從標準正態(tài)分布的隨機數：

import numpy as np

x = np.random.randn(10)
print(x)

練習

• 使用 randint 方法生成一個包含 20 個介于 100 到 200 之間的隨機整數的數組。
• 使用 rand 方法生成一個包含 15 個介于 0 和 1 之間的隨機浮點數的數組。
• 從數組 [1, 3, 5, 7, 9] 中隨機選擇 10 個元素，并允許重復。
• 生成 5 個服從標準正態(tài)分布的隨機數。

解決方案

import numpy as np

# 1. 使用 randint 方法生成隨機整數數組
random_ints = np.random.randint(100, 201, size=20)
print(random_ints)

# 2. 使用 rand 方法生成隨機浮點數數組
random_floats = np.random.rand(15)
print(random_floats)

# 3. 從數組中隨機選擇元素
random_elements = np.random.choice([1, 3, 5, 7, 9], size=10, replace=True)
print(random_elements)

# 4. 生成服從標準正態(tài)分布的隨機數
normal_randoms = np.random.randn(5)
print(normal_randoms)

最后

以上就是NumPy數組排序、過濾與隨機數生成詳解的詳細內容，更多關于NumPy數組排序過濾及生成的資料請關注腳本之家其它相關文章！

最新評論