Numpy如何使用比较有效率(numpy,开发技术)

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：

维度为-1 的不同 reshape 操作图示。

a=np.array([[1,2,3,4],[5,6,7,8]])a.shape(2,4)

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。

a.reshape(1,-1)array([[1,2,3,4,5,6,7,8]])

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。

a.reshape(-1,1)array([[1],[2],[3],[4],[5],[6],[7],[8]])

下面的代码也是一样的道理。

a.reshape(-1,4)array([[1,2,3,4],[5,6,7,8]])a.reshape(-1,2)array([[1,2],[3,4],[5,6],[7,8]])a.reshape(2,-1)array([[1,2,3,4],[5,6,7,8]])a.reshape(4,-1)array([[1,2],[3,4],[5,6],[7,8]])

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。

a.reshape(2,2,-1)array([[[1,2],[3,4]],[[5,6],[7,8]]])a.reshape(2,-1,1)array([[[1],[2],[3],[4]],[[5],[6],[7],[8]]])

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。

a.reshape(-1,-1)ValueError:canonlyspecifyoneunknowndimensiona.reshape(3,-1)ValueError:cannotreshapearrayofsize8intoshape(3,newaxis)

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。

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。

array=np.array([10,7,4,3,2,2,5,9,0,4,6,0])index=np.argpartition*(array,-5)[-5:]indexarray([6,1,10,7,0],dtype=int64)np.sort(array[index])array([5,6,7,9,10])

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。

Clip 示例：限制数组中的最小值为 2，最大值为 6。

#Example-1array=np.array([10,7,4,3,2,2,5,9,0,4,6,0])print(np.clip(array,2,6))[664322562462]#Example-2array=np.array([10,-1,4,-3,2,2,5,9,0,4,6,0])print(np.clip(array,2,5))[524222552452]

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。

arr=np.arange(10)arrarray([0,1,2,3,4,5,6,7,8,9])#Definethecodition,herewetakeMOD3ifzerocondition=np.mod(arr,3)==0conditionarray([True,False,False,True,False,False,True,False,False,True])np.extract(condition,arr)array([0,3,6,9])

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：

np.extract(((arr>2)&(arr<8)),arr)array([3,4,5,6,7])

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。

a=np.array([1,2,3,4,5,6,7,8,9])b=np.array([3,4,7,6,7,8,11,12,14])c=np.setdiff1d(a,b)carray([1,2,5,9])