Python One-liners(2)

上回说到这本书的第二章 Python One-Liners(1)

这回来到第三章，是关于 Data Science 的一行代码（这里写其中一个）

有一个 (4, 6) 的二维数组 X，每行代表一个城市的空气质量指数 ( AQI )

import numpy as np
## AQI data, row=city 行：城市
X = np.array([[42,40,41,43,44,43], # Hong Kong
              [30,31,29,29,29,30], # New york
              [8,13,31,11,11,9],  # Berlin
              [11,11,12,13,11,12]]) # Montreal

cities = np.array(['HongKong','Newyork','Berlin','Montreal'])

问题：找出这几个城市中空气质量指数大于平均值的城市。

先给结果：

## One-Liner
polluted = set(cities[np.nonzero(X > np.average(X))[0]])

# 输出结果：
print(polluted)
# {'Berlin', 'HongKong', 'Newyork'}

How It Works?

我们从里到外一步一步拆解

np.average() 用于求 X 的平均值

np.average(X) 
## 24.333333333333332

X > np.average(X) 会得到一个布尔值组成的二维数组，即，用X中的每一个元素和平均值比较大小，这里涉及到 Numpy 的广播机制(Broadcast)，大则为True， 小则为False

X > np.average(X) # 判断 X 的元素哪些大于平均值
## 结果如下：
array([[ True,  True,  True,  True,  True,  True],
       [ True,  True,  True,  True,  True,  True],
       [False, False,  True, False, False, False],
       [False, False, False, False, False, False]])

np.nonzero()的输入参数为数组，返回值为相应数组中非零元素的下标数组，输入的数组是几维的，则输出相应个数的数组组成的tuple，看下面的例子更加直观：

# 一维数组
np.nonzero([1,0,2])
# 结果： 第0个和第2个下标（索引）对应的元素非0
(array([0, 2], dtype=int64),)

# 布尔值组成的一维数组
np.nonzero([True,True,False,True])
# 结果： 第0，1，3个元素为True，则输出相应下标组成的数组
 (array([0, 1, 3], dtype=int64),)
 
 # 二维数组  
np.nonzero([[1,2,0],
            [0,0,3]])
 # 结果 ：分别是下标为[0,0]的1,下标为[0,1]的2,下标为[1,2]的3非零
# 所以输出了第一维的下标[0,0,1]和第二维的下标[0, 1, 2]组成的tuple
 (array([0, 0, 1], dtype=int64), 
  array([0, 1, 2], dtype=int64))
 
 # 三维数组依此类推
 np.nonzero([[[1,2,0],[0,0,3]],
            [[0,4,0],[0,5,0]]])
 # 结果:
 (array([0, 0, 0, 1, 1], dtype=int64),
 array([0, 0, 1, 0, 1], dtype=int64),
 array([0, 1, 2, 1, 1], dtype=int64))

那么，回到这个问题，是对布尔值组成的二维数组进行 nonzero() 计算

np.nonzero(X > np.average(X)) 
# 得到结果：
 (array([0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 2], dtype=int64),
 array([0, 1, 2, 3, 4, 5, 0, 1, 2, 3, 4, 5, 2], dtype=int64))

对于二维数组，可以这样理解，nonzero() 返回的 tuple 中，第0个数组代表的是行索引(下标)，第1个数组代表的是列索引。

取得行索引：

np.nonzero(X > np.average(X))[0]
## 取得行索引结果
array([0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 2], dtype=int64)

由于题目的数据中，每一行代表一个城市，可以通过行索引，在 cities 中找到对应的城市，也就是：

cities[np.nonzero(X > np.average(X))[0]]
## 结果：
## array(['HongKong', 'HongKong', 'HongKong', 
 'HongKong', 'HongKong', 'HongKong', 
 'Newyork', 'Newyork', 'Newyork', 
 'Newyork', 'Newyork','Newyork',
 'Berlin'], dtype='<U8')

再通过 set()对上面的结果集进行去重处理，得到最终结果

set(cities[np.nonzero(X > np.average(X))[0]]) 
# 结果：
{'Berlin', 'HongKong', 'Newyork'}

五一劳动节快乐

知识点总结及参考链接：

numpy.average()

https://www.runoob.com/numpy/numpy-statistical-functions.html

https://numpy.org/devdocs/reference/generated/numpy.average.html#numpy.average

numpy.nonzero()

https://www.runoob.com/numpy/numpy-sort-search.html

numpy-Broadcasting

https://www.runoob.com/numpy/numpy-broadcast.html

https://www.numpy.org.cn/article/basics/python_numpy_tutorial.html#%E5%B9%BF%E6%92%AD-broadcasting

Python.set()

https://www.runoob.com/python/python-func-set.html

感谢你的阅读，希望有所收获。