目录
一 函数numpy.where
二 数组统计方法
1 基础数组统计方法
2 布尔值数组的方法
三 排序
1 函数sort
2 函数np.unique
向量化：利用数组表达式来替代显式循环的方法
一 函数numpy.where
- 条件逻辑函数 where(condition, x, y) condition为条件,当满足条件输出x,不满足则输出y
- 即三元表达式 x if condition else y 的向量化
- x和y不一定要是数组，可以是标量
利用一个布尔值数组和两个数值数组 举例运算 先生成如下：
import numpy as np
xarr=np.array(1.1,1.2,1.3,1.4,1.5)
yarr=np.array(2.1,2.2,2.3,2.4,2.5)
cond=np.array([TURE,FALES,TRUE,TRUE,FALES])eg1 用np.where函数，实现如果true就x，否则y
import numpy as np
res=np.where(cond,xarr,yarr)eg2 用np.where函数，将现有的数组转化成只有2和-2的
（小于等于0的是-2，大于0的2）
import numpy as np
arr=np.random.randn(4,4)
arrnew=np.where(arr>0,2,-2)
eg3 用np.where函数，仅将现有数组的正值转化为2，其余不变
即else的条件写原来现有的数组名称就好
import numpy as np
arr=np.random.rand(4,4)
arrnew=np.where(arr>0,2,arr)
二 数组统计方法
1 基础数组统计方法
2 布尔值数组的方法
布尔值会被强制为1（True）和0（False）
也适用于非布尔值数组，所有的非0元素都会按True处理
-
sum 用于计算布尔值数组中 正值的个数
import numpy as np
arr=np.random.randn(100)
(arr>0).sum()-
any 检查数组中是否至少有一个True
-
all 检查是否每个值都是True
import numpy as np
bools=np.array([true,false,ture,false])
bools.any.()
bools.all()
三 排序
1 函数sort
用从小到大 修改序列，不返回任何值。和参数结合，排序行/列 arr是已生成的数组 arr.sort
arr.sort()eg1 一维数组 排序
eg2 按行 对多维数组中的 每个一维数据段 排序
arr.sort（1）另： 用 np.sort 返回的是已经排序好的数组拷贝，而不是对原数组按位置排序
2 函数np.unique
返回 去重后的 唯一值 再排序
import numpy as np
#去重后的名字
names=np.array(['bob','joke','bob','amy'])
np.unique(names)
#输出参考 array(['amy','bob','joke'])
#去重后的数值
ints=np.array([1,2,3,5,4,3,3,2])
np.unique(ints)
#输出参考 array([1,2,3,4,5])
拓展：numpy中的集合函数
