Dans cet article, je veux parler de plusieurs fonctions Numpy que j'utilise pour analyser les données tout le temps. Il ne s'agit en aucun cas d'une liste exhaustive, mais je pense que les outils qui seront discutés seront utiles à tous, sans exception.

Confronté à une nouvelle tâche, j'ai pensé encore et encore: "C'est une chose assez spécifique, il n'y a pratiquement pas de fonction intégrée pour elle." Dans le cas de Numpy, plus souvent j'avais tort que raison.

Mais passons au point. La seule ligne d'importation dont nous avons besoin:

où ()

La fonction where () retournera des éléments qui satisfont une certaine condition. Regardons un exemple.

Créez une liste de notes ( arbitraires ):

Vous pouvez maintenant utiliser where () pour trouver des estimations supérieures, disons, à 3:

Veuillez noter que les index des articles recherchés sont retournés.

Mais ce n'est bien sûr pas tout, la fonction peut prendre deux paramètres optionnels:

• le premier remplacera les valeurs qui satisfont la condition
• le second le fera pour les valeurs qui ne satisfont pas à la condition

Étant donné que l'article se veut bref, nous nous attarderons sur ce point.

argmin (), argmax (), argsort ()

La fonction argmin () renvoie l'index de la valeur minimale. Pour le même tableau de notes que nous avons utilisé ci-dessus, le résultat sera:

argmax () , comme vous l'avez probablement deviné, fait exactement le contraire - retourne l'index de l'élément maximum:

Le dernier de trinity argsort () renverra une liste d'index des éléments triés du tableau. N'oubliez pas: vous rencontrerez un grand nombre de situations lorsque vous en aurez besoin.

intersect1d ()

La fonction intersect1d () retournera l'intersection de deux tableaux, c'est-à-dire des éléments uniques que l'on retrouve dans les deux. Contrairement aux exemples précédents, il ne renverra pas les indices, mais les valeurs elles-mêmes.

Créez deux tableaux:

Trouvez les éléments communs:

allclose ()

Enfin, considérons la fonction allclose () . Il renverra True si les éléments des deux tableaux sont égaux dans la tolérance. Encore une fois, vous n'avez aucune idée de la fréquence à laquelle cela est nécessaire lorsque vous travaillez avec des données.

Nous déclarerons deux tableaux dont la différence entre les éléments correspondants n'est pas supérieure à 0,2:

La fonction allclose () avec une tolérance de 0,1 doit renvoyer False :

Augmentez la tolérance à 0,2 pour obtenir l'égalité approximative des tableaux:

Mots de séparation

Ne comptez pas le nombre de fois où j'étais ( et est ) à blâmer pour l'invention de la roue. Souvent, nous pensons que notre problème est unique, et personne n'a deviné créer un outil pour le résoudre. Parfois, cela est vrai, mais vous vous sentez souvent comme le dernier idiot, trouvant une fonction standard pratique au lieu de celle que vous avez déjà passé beaucoup de temps à créer.

Il vaut mieux passer un peu de temps à explorer les possibilités des bibliothèques populaires, car c'est grâce à elles que les bibliothèques sont devenues populaires.

Merci d'avoir lu.