对numpy中的数组条件筛选功能详解
在程序设计中，时常会遇到数据的唯⼀化、相同、相异信息的提取等⼯作，在格式化的向量存储矩阵中南，numpy能够提供⽐较不错的快速处理功能。
1，唯⼀化的实现：
In [63]: data = np.array(['int','float','int','boolean','double','boolean'])
In [64]: data
numpy库需要安装吗Out[64]:
array(['int', 'float', 'int', 'boolean', 'double', 'boolean'],
dtype='|S7')
In [65]: np.unique(data)
Out[65]:
array(['boolean', 'double', 'float', 'int'],
dtype='|S7')
In [66]: data = np.array([1,5,3,6,2,4,1,3,5,7,9])
In [67]: data
Out[67]: array([1, 5, 3, 6, 2, 4, 1, 3, 5, 7, 9])
In [68]: np.unique(data)
Out[68]: array([1, 2, 3, 4, 5, 6, 7, 9])
通过unique可以实现数组的唯⼀化，并且，唯⼀化后的返回值会进⾏排序。
2，交集的实现
In [69]: data1 = np.arange(10)
In [70]: data1
Out[70]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
In [71]: data2 = np.array([2,8,6,4])
In [72]: np.intersect1d(data1,data2)
Out[72]: array([2, 4, 6, 8])
使⽤intersect1d可以实现求取两个数组集合的交集。
2，并集计算
In [73]: np.union1d(data1,data2)
Out[73]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
union1d可以实现对两个数组集合的并集计算。
3，⼦集判断
In [74]: np.in1d(data1,data2)
Out[74]: array([False, False, True, False, True, False, True, False, True, False], dtype=bool)
In [75]: np.in1d(data2,data1)
Out[75]: array([ True, True, True, True], dtype=bool)
通过in1d可以实现对第⼀个参数数组中的每个元素是否是第⼆个参数数组⼦集的判断，⽽最终通过判断返回的布尔数组即可判断两个参数数组的⼦集关系。
4，差异判断
4.1，集合差判断
In [76]: np.setdiff1d(data1,data2)
Out[76]: array([0, 1, 3, 5, 7, 9])
In [77]: np.setdiff1d(data2,data1)
Out[77]: array([], dtype=int32)
setdiff1d可以求解出存在于第⼀个集合但是并不存在于第⼆个集合中的元素。返回值是⼀个数组集合。
4.1 数组“异或”求解
In [78]: np.setxor1d(data1,data2)
Out[78]: array([0, 1, 3, 5, 7, 9])
In [79]: np.setxor1d(data2,data1)
Out[79]: array([0, 1, 3, 5, 7, 9])
setxor1d⽤于求解不同时存在于两个数组中的元素，并返回⼀个数组集合。两个参数的顺序变化不会改变求解的结果。返回的结果是是⼀个有序的数组序列。
上⾯的⼏个基本的逻辑判断功能如果能够使⽤得当，能够实现多种筛选判断的操作。
这篇对numpy中的数组条件筛选功能详解就是⼩编分享给⼤家的全部内容了，希望能给⼤家⼀个参考，也希望⼤家多多⽀持。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。