- NumPy 教程
- NumPy - 首页
- NumPy - 简介
- NumPy - 环境
- NumPy 数组
- NumPy - Ndarray 对象
- NumPy - 数据类型
- NumPy 创建和操作数组
- NumPy - 数组创建例程
- NumPy - 数组操作
- NumPy - 从现有数据创建数组
- NumPy - 从数值范围创建数组
- NumPy - 迭代数组
- NumPy - 数组重塑
- NumPy - 连接数组
- NumPy - 堆叠数组
- NumPy - 分割数组
- NumPy - 扁平化数组
- NumPy - 转置数组
- NumPy 索引和切片
- NumPy - 索引和切片
- NumPy - 高级索引
- NumPy 数组属性和操作
- NumPy - 数组属性
- NumPy - 数组形状
- NumPy - 数组大小
- NumPy - 数组步长
- NumPy - 数组元素大小
- NumPy - 广播
- NumPy - 算术运算
- NumPy - 数组加法
- NumPy - 数组减法
- NumPy - 数组乘法
- NumPy - 数组除法
- NumPy 高级数组操作
- NumPy - 交换数组轴
- NumPy - 字节交换
- NumPy - 复制和视图
- NumPy - 元素级数组比较
- NumPy - 过滤数组
- NumPy - 连接数组
- NumPy - 排序、搜索和计数函数
- NumPy - 搜索数组
- NumPy - 数组的并集
- NumPy - 查找唯一行
- NumPy - 创建日期时间数组
- NumPy - 二元运算符
- NumPy - 字符串函数
- NumPy - 数学函数
- NumPy - 统计函数
- NumPy - 矩阵库
- NumPy - 线性代数
- NumPy - Matplotlib
- NumPy - 使用 Matplotlib 绘制直方图
- NumPy - NumPy 的 I/O
- NumPy 排序和高级操作
- NumPy - 数组排序
- NumPy - 沿轴排序
- NumPy - 使用花式索引排序
- NumPy - 结构化数组
- NumPy - 创建结构化数组
- NumPy - 操作结构化数组
- NumPy - 字段访问
- NumPy - 记录数组
- Numpy - 加载数组
- Numpy - 保存数组
- NumPy - 向数组追加值
- NumPy - 交换数组的列
- NumPy - 向数组插入轴
- NumPy 处理缺失数据
- NumPy - 处理缺失数据
- NumPy - 识别缺失值
- NumPy - 删除缺失数据
- NumPy - 填充缺失数据
- NumPy 性能优化
- NumPy - 使用数组进行性能优化
- NumPy - 使用数组进行向量化
- NumPy - 数组的内存布局
- Numpy 线性代数
- NumPy - 线性代数
- NumPy - 矩阵库
- NumPy - 矩阵加法
- NumPy - 矩阵减法
- NumPy - 矩阵乘法
- NumPy - 元素级矩阵运算
- NumPy - 点积
- NumPy - 矩阵求逆
- NumPy - 行列式计算
- NumPy - 特征值
- NumPy - 特征向量
- NumPy - 奇异值分解
- NumPy - 求解线性方程组
- NumPy - 矩阵范数
- NumPy 元素级矩阵运算
- NumPy - 求和
- NumPy - 平均值
- NumPy - 中位数
- NumPy - 最小值
- NumPy - 最大值
- NumPy 集合运算
- NumPy - 唯一元素
- NumPy - 交集
- NumPy - 并集
- NumPy - 差集
- NumPy 有用资源
- NumPy 编译器
- NumPy - 快速指南
- NumPy - 有用资源
- NumPy - 讨论
NumPy char.lower() 函数
Numpy 的char.lower()函数用于将数组中每个字符串元素的所有字符转换为小写。它可用于通过确保一致的大小写来规范化文本数据,这在预处理文本(例如比较或分析)的任务中特别有用。
此函数单独处理输入数组中的每个字符串,返回一个形状相同的数组,其中所有字符都为小写。
语法
以下是 Numpy char.lower() 函数的语法:
numpy.char.lower(a)
参数
Numpy char.lower() 函数接受一个参数,即a,它是需要转换为小写的字符串的输入数组。
返回值
此函数返回一个与输入数组形状相同的数组,其中每个单词都已转换为小写。
示例 1
以下是 Numpy char.lower() 函数的基本示例,其中输入数组的所有元素都转换为小写:
import numpy as np arr = np.array(['WELCOME', 'TO', 'TUTORIALSPOINT', 'HAPPY LEARNING']) lowercase_arr = np.char.lower(arr) print(lowercase_arr)
以下是 numpy.char.lower() 函数基本示例的输出:
['welcome' 'to' 'tutorialspoint' 'happy learning']
示例 2
在此示例中,输入数组中的每个字符串都通过将混合大小写的字符串转换为一致的小写格式来转换为小写:
import numpy as np arr = np.array(['hElLo', 'wOrLd']) lowercase_arr = np.char.lower(arr) print(lowercase_arr)
以下是将数组的混合大小写字符串转换为小写的输出:
['hello' 'world']
示例 3
数组中的每个字符串元素都转换为小写,并且该函数可以无缝处理数组的不同形状。以下示例显示了将二维数组元素转换为小写:
import numpy as np arr = np.array([['HEllO world', 'GOOD MORnInG'], ['goOdbYe eVErYoNe', 'HAVe A NiCE dAY']]) lowercase_arr = np.char.lower(arr) print(lowercase_arr)
以下是将lower()函数应用于二维数组的输出:
[['hello world' 'good morning'] ['goodbye everyone' 'have a nice day']]
numpy_string_functions.htm
广告