接下来一一解析 6 种 Numpy 函数。

argpartition

借助于 argpartition，Numpy 可以找出 N 个最大数值的索引，也会将找到的这些索引输出。然后我们根据需要对数值进行排序。

x = np. array([ 12, 10, 12, 0, 6, 8, 9, 1, 16, 4, 6, 0])index_val = np.argpartition(x, -4)[ -4:]

index_val

array([ 1, 8, 2, 0], dtype=int64)np.sort(x[index_val])

array([ 10, 12, 12, 16])

allclose

allclose 用于匹配两个数组，并得到布尔值表示的输出。如果在一个公差范围内（within a tolerance）两个数组不等同，则 allclose 返回 False。该函数对于检查两个数组是否相似非常有用。

array1 = np.array([0.12,0.17,0.24,0.29])

array2 = np.array([0.13,0.19,0.26,0.31]) # with a tolerance of 0.1, it should return False:

np.allclose(array1,array2,0.1)

False # with a tolerance of 0.2, it should return True:

np.allclose(array1,array2,0.2)

True

clip

Clip 使得一个数组中的数值保持在一个区间内。有时，我们需要保证数值在上下限范围内。为此，我们可以借助 Numpy 的 clip 函数实现该目的。给定一个区间，则区间外的数值被剪切至区间上下限（interval edge）。

x = np. array([ 3, 17, 14, 23, 2, 2, 6, 8, 1, 2, 16, 0])np.clip(x, 2, 5)

array([ 3, 5, 5, 5, 2, 2, 5, 5, 2, 2, 5, 2])

extract

顾名思义，extract 是在特定条件下从一个数组中提取特定元素。借助于 extract，我们还可以使用 and 和 or 等条件。

# Random integers

array= np.random.randint( 20, size= 12)

array

array([ 0, 1, 8, 19, 16, 18, 10, 11, 2, 13, 14, 3])# Divide by 2andcheck ifremainder is1

cond = np.mod( array, 2)== 1

cond

array([ False, True, False, True, False, False, False, True, False, True, False, True])# Use extract togetthe values

np.extract(cond, array)

array([ 1, 19, 11, 13, 3])# Apply condition onextract directly

np.extract((( array< 3) | ( array> 15)), array)

array([ 0, 1, 19, 16, 18, 2])

where

Where 用于从一个数组中返回满足特定条件的元素。比如，它会返回满足特定条件的数值的索引位置。Where 与 SQL 中使用的 where condition 类似，如以下示例所示：

y = np. array([ 1, 5, 6, 8, 1, 7, 3, 6, 9]) # Where y is greater than 5, returns index position

np.where(y> 5)

array([ 2, 3, 5, 7, 8], dtype=int64),) # First will replace the values that match the condition,

# second will replace the values that does not

np.where(y> 5, "Hit", "Miss")

array([ 'Miss', 'Miss', 'Hit', 'Hit', 'Miss', 'Hit', 'Miss', 'Hit', 'Hit'],dtype= '