pythonnumpy查找

⑴ python numpy查询数组是否有某个数的总个数

importnumpyasnp

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

假定数组为a

可以先试用a==某个数，转换为一个包含True或者False的数字，

等于该树则为True，不等于则为False

True又可以当作1，False可以当作0

使用np.sum求和可以得到等于该数的总个数

⑵ Python numpy 选取数组前几位的值和下标

针对一维的numpy的ndarray数组，获取前N位的具体的数值（value），

针对一维的numpy的ndarray数组，获取前N位所在的下标（index），

一个是原地sort，一个是np.argsort()获取下标。如果是多维数组，可以先采用arr.flatten()转换为一维的数组。

⑶ 在python中，怎么查看numpy模块中的exp函数源代码

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 比较两个二维数组中相同的行或列，越简洁越好

楼上只能对应位置行两两比较，一旦相同行不在相同位置就不行了，建议使用集合交集思路
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

不放回取样：
从列表ori中不放回地取n个数

通过这种操作，我们可以获得一个二维列表的子集：
（如果这个二维列表是图的邻接矩阵，那么就是对图进行随机采样，获得一个图的子图）

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

在numpy.array中，"+"代表矩阵相加

keepdim指的是维度不变，常在sum中使用。如：

会发现，keepdim之后还是二维的

这里要注意，pytorch和numpy里max()函数的返回值是不同的
pytorch:

也就是说，max(1)代表求第一维的最大值，对于二维数组来说，就是求纵向的最大值，然后，第一个返回值是最大值所形成数组，第二个返回值是最大值所在的索引。这一个技巧在机器学习的分类任务中很常用，比如我们的分类任务是把数据分成m类，那么最终我们模型的输出是m维的，对于n个样本就是n*m，如果要判断我们的模型最终的分类结果，就是找n个样本里，每个样本m维输出的最大值索引，代表样本是这个类的可能性最大。我们可以方便地用这种方式找到最大值地索引：

其中test_out是模型输出，predict_y则是分类结果
另外一点要注意的是，numpy与pytorch不同，numpy的max()只有一个返回值：

也就是说，numpy.max()不会返回最大值所在的索引

⑹ numpy如何查找数组中个数最多的元素

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)#统计b中等于i的元素个数
set(b.flat)#将b转为一维数组后，去除重复元素
sorted()#按元素个数从小到大排序
l[-1]#取出元素个数最多的元组对(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