xxcc140 / excel函数教程 / 数据处理遇到麻烦不要慌,5个优雅的Numpy...

0 0

   

数据处理遇到麻烦不要慌,5个优雅的Numpy函数助你走出困境

2020-02-25  xxcc140

选自TowardsDataScience

作者:Baijayanta Roy

机器之心编译

参与:Luo Sainan、杜伟

在机器学习和数据科学工程的日常数据处理中,我们会遇到一些特殊的情况,需要用样板代码来解决这些问题。在此期间,根据社区的需求和使用,一些样板代码已经被转换成核心语言或包本身提供的基本功能。本文作者将分享 5 个优雅的 Python Numpy 函数,有助于高效、简洁的数据处理。

数据处理遇到麻烦不要慌,5个优雅的Numpy函数助你走出困境

在 reshape 函数中使用参数-1

Numpy 允许我们根据给定的新形状重塑矩阵,新形状应该和原形状兼容。有意思的是,我们可以将新形状中的一个参数赋值为-1。这仅仅表明它是一个未知的维度,我们希望 Numpy 来算出这个未知的维度应该是多少:Numpy 将通过查看数组的长度和剩余维度来确保它满足上述标准。让我们来看以下例子:

数据处理遇到麻烦不要慌,5个优雅的Numpy函数助你走出困境

维度为-1 的不同 reshape 操作图示。


假设我们给定行参数为 1,列参数为-1,那么 Numpy 将计算出 reshape 后的列数为 8。


假设我们给定行参数为-1,列参数为 1,那么 Numpy 将计算出 reshape 后的行数为 8。


下面的代码也是一样的道理。


这也适用于任何更高维度张量的 reshape,但是只有一个维度的参数能赋值为-1。


如果我们尝试 reshape 不兼容的形状或者是给定的未知维度参数多于 1 个,那么将会报错。

总而言之,当试图对一个张量进行 reshape 操作时,新的形状必须包含与旧的形状相同数量的元素,这意味着两个形状的维度乘积必须相等。当使用 -1 参数时,与-1 相对应的维数将是原始数组的维数除以新形状中已给出维数的乘积,以便维持相同数量的元素。

Argpartition:在数组中找到最大的 N 个元素。

数据处理遇到麻烦不要慌,5个优雅的Numpy函数助你走出困境

Numpy 的 argpartion 函数可以高效地找到 N 个最大值的索引并返回 N 个值。在给出索引后,我们可以根据需要进行值排序。

Clip:如何使数组中的值保持在一定区间内

在很多数据处理和算法中(比如强化学习中的 PPO),我们需要使得所有的值保持在一个上下限区间内。Numpy 内置的 Clip 函数可以解决这个问题。Numpy clip () 函数用于对数组中的值进行限制。给定一个区间范围,区间范围外的值将被截断到区间的边界上。例如,如果指定的区间是 [-1,1],小于-1 的值将变为-1,而大于 1 的值将变为 1。

数据处理遇到麻烦不要慌,5个优雅的Numpy函数助你走出困境

Clip 示例:限制数组中的最小值为 2,最大值为 6。


Extract:从数组中提取符合条件的元素

我们可以使用 Numpy extract () 函数从数组中提取符合条件的特定元素。

数据处理遇到麻烦不要慌,5个优雅的Numpy函数助你走出困境


同样地,如果有需要,我们可以用 AND 和 OR 组合的直接条件,如下所示:


setdiff1d:如何找到仅在 A 数组中有而 B 数组没有的元素

返回数组中不在另一个数组中的独有元素。这等价于两个数组元素集合的差集。

数据处理遇到麻烦不要慌,5个优雅的Numpy函数助你走出困境


小结

以上 5 个 Numpy 函数并不经常被社区使用,但是它们非常简洁和优雅。在我看来,我们应该尽可能在出现类似情况时使用这些函数,不仅因为代码量更少,更因为它们是解决复杂问题的绝妙方法。

原文链接:https://towardsdatascience.com/5-smart-python-numpy-functions-dfd1072d2cb4

    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。如发现有害或侵权内容,请点击这里 或 拨打24小时举报电话:4000070609 与我们联系。

    猜你喜欢

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多
    喜欢该文的人也喜欢 更多