pythonnumpy查找

⑴ python numpy查詢數組是否有某個數的總個數

importnumpyasnp

a=np.ones((4,5))
print(a)
print(np.sum(a==1))

假定數組為a

可以先試用a==某個數，轉換為一個包含True或者False的數字，

等於該樹則為True，不等於則為False

True又可以當作1，False可以當作0

使用np.sum求和可以得到等於該數的總個數

⑵ Python numpy 選取數組前幾位的值和下標

針對一維的numpy的ndarray數組，獲取前N位的具體的數值（value），

針對一維的numpy的ndarray數組，獲取前N位所在的下標（index），

一個是原地sort，一個是np.argsort()獲取下標。如果是多維數組，可以先採用arr.flatten()轉換為一維的數組。

⑶ 在python中，怎麼查看numpy模塊中的exp函數源代碼

pipinstallipython
ipython

$pipenv--three
$python3.6-c"frompathlibimportPath;fn='Pipfile';Path(fn).write_text(Path(fn).read_text().replace('pypi.org','mirrors.aliyun.com/pypi'))"
$pipenvshell
$pipenvinstallnumpy
$pipenvopennumpy

⑷ python numpy 比較兩個二維數組中相同的行或列，越簡潔越好

樓上只能對應位置行兩兩比較，一旦相同行不在相同位置就不行了，建議使用集合交集思路
a = set([tuple(t) for t in a])
b = set([tuple(t) for t in b])
matched = np.array(list(a.intersection(b)))

⑸ （Python）numpy 常用操作

不放回取樣：
從列表ori中不放回地取n個數

通過這種操作，我們可以獲得一個二維列表的子集：
（如果這個二維列表是圖的鄰接矩陣，那麼就是對圖進行隨機采樣，獲得一個圖的子圖）

首先要注意，"+" 操作對於list和numpy.array是完全不同的
python 中的list，"+"代表拼接:

在numpy.array中，"+"代表矩陣相加

keepdim指的是維度不變，常在sum中使用。如：

會發現，keepdim之後還是二維的

這里要注意，pytorch和numpy里max()函數的返回值是不同的
pytorch:

也就是說，max(1)代表求第一維的最大值，對於二維數組來說，就是求縱向的最大值，然後，第一個返回值是最大值所形成數組，第二個返回值是最大值所在的索引。這一個技巧在機器學習的分類任務中很常用，比如我們的分類任務是把數據分成m類，那麼最終我們模型的輸出是m維的，對於n個樣本就是n*m，如果要判斷我們的模型最終的分類結果，就是找n個樣本里，每個樣本m維輸出的最大值索引，代表樣本是這個類的可能性最大。我們可以方便地用這種方式找到最大值地索引：

其中test_out是模型輸出，predict_y則是分類結果
另外一點要注意的是，numpy與pytorch不同，numpy的max()只有一個返回值：

也就是說，numpy.max()不會返回最大值所在的索引

⑹ numpy如何查找數組中個數最多的元素

importnumpyasnp
b=np.array([[0,4,4],[2,0,3],[1,3,4]])
print('b=')
print(b)
l=sorted([(np.sum(b==i),i)foriinset(b.flat)])
'''
np.sum(b==i)#統計b中等於i的元素個數
set(b.flat)#將b轉為一維數組後，去除重復元素
sorted()#按元素個數從小到大排序
l[-1]#取出元素個數最多的元組對(count,element)
'''
print('maxtimesofelementinbis{1}with{0}times'.format(*l[-1]))

[willie@localhost pys]$ python3 countnumpy.py

b=

[[0 4 4]

[2 0 3]

[1 3 4]]

max times of element in b is 4 with 3 times