实验楼 - Python Numpy 100题实验（五）uniform(),bincount()函数等

短命女 2022-05-09 10:38 165阅读 0赞

本篇的主要内容有：

*  numpy.random.uniform()
 *  numpy.bincount()
 *  numpy.nonzero()
 *  numpy.random.choice()
 *  numpy.put()

### 给定一个一位随机数组，找出离0.5最近的数字 ###

距离最近的点，可以很自然地想到绝对值，首先根据绝对值计算每个数到0.5的距离，然后我们需要求出这个数的序号，可以使用argmax（）函数很简单地求得：

a = np.random.uniform(0, 1, 20)
    print(a)
    print(np.argmax(np.abs(a-0.5)))

另一种写法，参考答案

a = np.random.uniform(0, 1, 20)
    print("array A: ",a)
    k = 0.5
    m = a.flat[np.abs(a-k).argmin()]
    print(m)

flat返回一个数组的迭代器，例如：

a = np.random.randint(1, 10, 4)
    print(a)
    for i in a.flat:
        print(i, end=' ')

### 将二维数组的前两行交换 ###

当然可以使用循环的方式，但是有更简单的交换方式，注意数组如何取得某一行元素

a = np.random.randint(1,10, (3,3))
    print(a)
    a[[0,1]] = a[[1,0]]
    print(a)

输出：

[[6 2 1]
     [8 7 9]
     [1 3 3]]
    [[8 7 9]
     [6 2 1]
     [1 3 3]]

### 找出数组中出现频率最高的数字 ###

统计函数的应用

a = np.random.randint(0 ,10 ,10)
    print(a)
    print(np.bincount(a).argmax())

输出：

[0 1 7 8 6 3 2 0 5 6]
    0

这个统计函数返回的数组，索引是元素的值，内容是该元素出现的次数，例如：

a = np.random.randint(1, 10, 10)
    print(a)
    print(np.bincount(a))

输出：

[1 1 8 2 8 2 8 3 1 4]
    [0 3 2 1 1 0 0 0 3]

bincount（）函数输出的结果中有9个元素，因为原来数组的最大值是8，从0到8，共有九个元素，每一个元素的值代表次数。

### 找出给定一维数组中非零元素的位置索引 ###

一个函数搞定

a = np.random.randint(-1, 1, 5)
    print(a)
    print(np.nonzero(a))

输出：

[-1  0  0 -1  0]
    (array([0, 3], dtype=int64),)

numpy.nonzero（）函数返回一个元组，记录所有非零元素的索引，一维数组的情况就是题目所说的，来看一下二维数组的情况：

a = np.random.randint(-1, 1, (3,3))
    print(a)
    print(np.nonzero(a))

输出：

[[ 0  0 -1]
     [ 0  0 -1]
     [-1  0 -1]]
    (array([0, 1, 2, 2], dtype=int64), array([2, 2, 0, 2], dtype=int64))

输出的其实是每个元素的坐标，只是将这个矩阵扁平化了而已，例如，三维数组的情况：

a = np.random.randint(-1,1,(2,2,2))
    print(a)
    print(np.nonzero(a))

输出：

[[[-1 -1]
      [-1  0]]
    
     [[-1  0]
      [ 0  0]]]
      
      (array([0, 0, 0, 1], dtype=int64), array([0, 0, 1, 0], dtype=int64), array([0, 1, 0, 0], dtype=int64))

### 对于给定的5\*5的数组，在其中随意放置p个1 ###

p = 3
    a = np.random.randint(1, 10, (5,5))
    print('Array a:')
    print(a)
    a.put(a, np.random.choice(range(5*5), p, replace=False),1)
    print('Result a:')
    print(a)

这里应用了两个函数：

**numpy.random.choice（）函数**

调用格式：numpy.random.choice(a, size=None, replace=True, p=None)

*  a:传入的数组，必须为一维数组或者整型（此时为np.range()）
 *  size：返回的结果的size
 *  replace：指定是否可以返回重复值
 *  p：一维数组，对应每个返回值的分布，默认是标准分布

例子：

a = np.random.randint(1, 10, 5)
    print('Array a:')
    print(a)
    print('Size = None:')
    print(np.random.choice(a, replace=False))
    print('Size 1d:')
    print(np.random.choice(a, 2, replace=False))
    print('Size 2d:')
    print(np.random.choice(a, (2,2), replace=False))

**numpy.put（）函数**

调用格式：numpy.put(a, ind, v, mode=‘raise’)

*  a:传入数组
 *  ind：
 *  v：
 *  mode：可选参数为raise，wrap，clip，默认是raise，主要是对数组越界问题的处理，raise就是报一个error，clip则是将越界的索引处理为数组的边缘

例如：

a = np.random.randint(1, 10, 10)
    print('Array a:')
    print(a)
    np.put(a, [0,2], [33,44])
    print('Result: ')
    print(a)

输出：

Array a:
    [3 8 9 8 9 1 3 1 6 7]
    Result: 
    [33  8  9  8  9  1 44  1  6  7]

mode为clip：

a = np.random.randint(1, 10, 3)
    print('Array a:')
    print(a)
    np.put(a, [-1,6], [33,44],mode='clip')
    print('Result: ')
    print(a)

输出：

Array a:
    [5 4 6]
    Result: 
    [33  4 44]