numpy中数值的修改和比较运算

numpy中数值的修改和比较运算

• numpy中，同一个数值的整型不等于其浮点型数值，如 整型10和浮点型10.，这个表达式 10 == 10.的比较结果为false

一、简单改值

• 直接将取出的值、行、列重新进行赋值即可

import numpy as np  # 约定俗成的一种命名

a = np.arange(24).reshape(4,6)
print(a)
print('*' * 20)
a[0] = 1  # 将第1行的值全部改为1
print(a)

a[:2,1:3] = 0  # 将第1行到第2行，第2到第3列数据 改为0
print(a)

print(a[2,3])  # 取第3行第4列的值
a[2,3] = 50  # 修改第3行第4列的值为50
print(a)

print(a[[1,2],[5,3]])  # 取(1,5) (2,3) 2个坐标的点
a[[1,2],[5,3]] *= 10  # 修改(1,5) (2,3) 2个坐标的值 乘以10
print(a)
"""
[[ 0  1  2  3  4  5]
 [ 6  7  8  9 10 11]
 [12 13 14 15 16 17]
 [18 19 20 21 22 23]]
********************
[[ 1  1  1  1  1  1]
 [ 6  7  8  9 10 11]
 [12 13 14 15 16 17]
 [18 19 20 21 22 23]]
 
[[ 1  0  0  1  1  1]
 [ 6  0  0  9 10 11]
 [12 13 14 15 16 17]
 [18 19 20 21 22 23]]
 
15

[[ 1  0  0  1  1  1]
 [ 6  0  0  9 10 11]
 [12 13 14 50 16 17]
 [18 19 20 21 22 23]]
 
[11 50]

[[  1   0   0   1   1   1]
 [  6   0   0   9  10 110]
 [ 12  13  14 500  16  17]
 [ 18  19  20  21  22  23]]
"""

二、复杂改值

• 布尔改值
• numpy中的三元运算符 numpy.where()
• numpy中的（裁剪）ndarray.clip()

1. 布尔改值

• 需求：将数组中小于3的数据改为3
  • 直接使用布尔索引改值即可

a = np.arange(24).reshape(4,6)
print(a)
print('*' * 30)

print(a<3)
print(a[a<3])  # 布尔取值
a[a<3] = 3  # 布尔改值
print(a)

"""
[[ 0  1  2  3  4  5]
 [ 6  7  8  9 10 11]
 [12 13 14 15 16 17]
 [18 19 20 21 22 23]]
******************************
[[ True  True  True False False False]
 [False False False False False False]
 [False False False False False False]
 [False False False False False False]]
 
[0 1 2]

[[ 3  3  3  3  4  5]
 [ 6  7  8  9 10 11]
 [12 13 14 15 16 17]
 [18 19 20 21 22 23]]
"""

2. numpy中的三元运算符 numpy.where()

• 语法：numpy.where(condition, x, y)

  • ‌condition‌：表示条件，可以是数组或逻辑表达式。
  • ‌x‌：可选参数，表示满足条件的元素替换为x中对应位置的元素。
  • ‌y‌：可选参数，表示不满足条件的元素替换为y中对应位置的元素。

• 该函数是NumPy库中的一个非常有用的函数，主要用于根据给定的条件返回满足条件的元素的索引或进行值替换

  • 当只提供一个参数时，numpy.where()返回满足条件的元素坐标，坐标以元组的形式给出，通常原数组有多少维，输出的元组中就包含几个数组，分别对应符合条件元素的各维坐标
  • 当提供三个参数时，numpy.where()在条件满足时返回x，不满足时返回y

• 需求：将数组中小于10的变为0，大于10的变为10

  • 对于这种有两种需求的改值中，显然用上面的布尔索引改值也可以实现，但是麻烦

  • 此时，有没有像是python中a = 3 if 3<10 else 4 类似的方法呢，这里numpy有个内置的numpy.where()方法就能实现

  • 这个方法可以比较 nan 和 inf 这两个数值，对于nan，任何数值（包括其本身）和它的比较都是false的结果，因为nan不等于任何值，对于inf，任何有限数都比它小，因为inf是正无穷大的意思，对于-inf，任何有限数都大于它

1. 正常数组的numpy.where()方法
a = np.arange(24).reshape(4,6)
print(a)
print('*' * 30)
a = np.where(a < 10, 0, 10)  # 将a中小于10的变为0，大于10的变为10
print(a)

"""
[[ 0  1  2  3  4  5]
 [ 6  7  8  9 10 11]
 [12 13 14 15 16 17]
 [18 19 20 21 22 23]]
******************************
[[ 0  0  0  0  0  0]
 [ 0  0  0  0 10 10]
 [10 10 10 10 10 10]
 [10 10 10 10 10 10]]
"""

2. nan、inf的比较
print(s3)
s3 = np.where(s3 > 10, 0, 20)
print(s3)

s4 = np.where(s3 < 10, 0, 20)
print(s4)


"""
[[nan inf inf inf inf inf]
 [inf inf inf inf inf inf]
 [inf inf inf inf inf inf]
 [inf inf inf inf inf inf]]
 
[[20  0  0  0  0  0]
 [ 0  0  0  0  0  0]
 [ 0  0  0  0  0  0]
 [ 0  0  0  0  0  0]]
 
 [[20 20 20 20 20 20]
 [20 20 20 20 20 20]
 [20 20 20 20 20 20]
 [20 20 20 20 20 20]]
"""

3. numpy中的（裁剪）ndarray.clip()

• 需求：将小于10的变为10，大于20的变为20
  • 显然用上面的布尔改值也行，但也是同样的问题，就是麻烦
  • 此时，numpy中有个裁剪 clip()的方法
  • 注意：这个方法无法替换 nan ，对于inf这个数值，任何有限数都比它小

1. 正常数组的clip()方法
a = np.arange(24).reshape(4,6)
print(a)
print('*' * 30)

a = a.clip(10,20)  # 将小于10的变为10，将大于20的变为20，其余的数据不变
print(a)

"""
[[ 0  1  2  3  4  5]
 [ 6  7  8  9 10 11]
 [12 13 14 15 16 17]
 [18 19 20 21 22 23]]
******************************
[[10 10 10 10 10 10]
 [10 10 10 10 10 11]
 [12 13 14 15 16 17]
 [18 19 20 20 20 20]]
"""

2. 对于 nan、inf的比较
print(s3)
s4 = s3.clip(10,20)
print(s4)
"""
[[nan inf inf inf inf inf]
 [inf inf inf inf inf inf]
 [inf inf inf inf inf inf]
 [inf inf inf inf inf inf]]
 
[[nan 20. 20. 20. 20. 20.]
 [20. 20. 20. 20. 20. 20.]
 [20. 20. 20. 20. 20. 20.]
 [20. 20. 20. 20. 20. 20.]]
"""