import numpy as np arr = np.array([[1, 2, 3], [4, 5, 6]]) num_elements = arr.size print(f"数组元素个数: {num_elements}") # 输出:数组元素个数: 6 使用np.count_nonzero()函数 虽然np.count_nonzero()主要用于统计非零元素的个数,但通过设置适当的条件,它也可以用来统计满足特定条...
importnumpyasnp# 创建矩阵matrix=np.array([[1,2,3],[4,5,6],[1,2,3]])# 统计元素出现次数unique_elements,counts=np.unique(matrix,return_counts=True)# 打印统计结果forelement,countinzip(unique_elements,counts):print("元素",element,"出现次数:",count) 1. 2. 3. 4. 5. 6. 7. 8. 9....
importnumpyasnp# 创建一个示例数组arr=np.array([1,2,3,1,2,1,3,3,3])# 使用numpy.unique()函数获取元素计数unique_elements,counts=np.unique(arr,return_counts=True)# 打印每个元素及其计数forelement,countinzip(unique_elements,counts):print(f"元素{element}的计数为{count}") ...
array([1,2,3,4,5,6]),## Unique elements array([2,2,2,1,1,2], dtype=int64)## Count ) 15、mean 返回数组的平均数 numpy.mean(a, axis=None, dtype=None, out=None) np.mean(arr,dtype='int') --- 3 16、medain 返回数组的中位数。 numpy.me...
arr=np.array([1,2,2,3,3,3,"numpyarray.com","numpyarray.com"])unique_elements=np.unique(arr)print(unique_elements) Python Copy Output: 统计满足条件的元素数量 统计数组中满足特定条件的元素数量是数据分析中的常见任务。np.sum结合布尔索引可以轻松完成这项工作。
1、Array 它用于创建一维或多维数组 Dtype:生成数组所需的数据类型。 ndim:指定生成数组的最小维度数。 import numpy as npnp.array([1,2,3,4,5])---array([1, 2, 3, 4, 5, 6]) 还可以使用此函数将pandas的df和series转为NumPy数组。 sex = pd.Series(['Male','Male','Female'])np.array...
array([1,2,3,2,1,3,4,5,4,3,2,1])# 使用numpy的unique函数获取数组中的唯一元素unique_elements=np.unique(arr)# 使用numpy的bincount函数统计元素的出现次数count=np.bincount(arr)# 打印结果foriinrange(len(unique_elements)):print("元素",unique_elements[i],"出现次数:",count[unique_elements[i...
array(['Male','Male','Female'], dtype=object) 2、Linspace 创建一个具有指定间隔的浮点数的数组。 numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)[source] start:起始数字 end:结束 Num:要生成的样本数,默认为50。
1d=np.array([1,2,2,3,4,4,4])unique_elements_1d=np.unique(arr_1d)print(unique_elements_...
numpy.count_nonzero(a, axis=None, *, keepdims=False) a = np.array([0,0,1,1,1,0]) np.count_nonzero(a) --- 3 22、argwhere 查找并返回非零元素的所有下标。 numpy.argwhere(a) a = np.array([0,0,1,1,1,0]) np.argwhere(a) --- array([[2]...