python运算学习之Numpy ------ 数组的切片索引与循环遍历、条件和布尔数组、形状变化

数组的切片索引：

　　数组的切片索引和列表非常类似，下面用代码简单说明

a = np.random.rand(16).reshape(4, 4)
print("数组a：\n", a)
print(a[-1][1:4])
Out[1]：
数组a：
 [[0.04175379 0.43013992 0.5398909  0.40638248]
 [0.3305902  0.11958799 0.48680358 0.30755734]
 [0.00893887 0.3848716  0.21018253 0.88170218]
 [0.80198391 0.4922656  0.67535542 0.64647139]]
[0.4922656  0.67535542 0.64647139]

　　由于和列表类似，且要符号多维数组的特征，所以这里不过多阐述。有需要参考列表的相关知识。

 

数组的循环遍历：

a = np.random.rand(9).reshape(3, 3)
print("数组a：\n", a)
for row in a:
    print(row)  # 一行一行的输出
for item in a.flat:
    print(item)
# 通用的循环函数
for_test = np.apply_along_axis(np.mean, axis=0, arr=a)  # apply_along_axis(func1d, axis, arr, *args, **kwargs)
print("np.apply_along_axis的调试：\n", for_test)  # axis=0为按列，axis=1为按行
Out[2]：
数组a：
 [[0.97420758 0.20766438 0.52942127]
 [0.82673775 0.44288163 0.41729451]
 [0.1373707  0.68103565 0.92256133]]
[0.97420758 0.20766438 0.52942127]
[0.82673775 0.44288163 0.41729451]
[0.1373707  0.68103565 0.92256133]
0.9742075804081937
0.20766438289931244
0.5294212665874829
0.8267377457345865
0.44288163199889663
0.4172945079908593
0.13737070280419617
0.6810356459375222
0.922561331228303
np.apply_along_axis的调试：
 [0.64610534 0.44386055 0.62309237]

　　np.apply_along_axis()方法在我们对矩阵按行按列操作的时候最好用它。注意，第一个参数是方法，方法可以是自己对矩阵每个元素操作的函数方法。

条件和布尔数组：

 

a = np.random.rand(9).reshape(3, 3)
print(a < 0.5)          # 输出布尔数组
print(a[a < 0.5])       # 输出true对应的元素
Out[3]：
[[ True False  True]
 [False  True False]
 [False  True False]]
[0.19353844 0.03944841 0.38137674 0.3069755 ]

数组 形状变化：

a = np.random.rand(9).reshape(3, 3)
a = a.ravel()  # 此时的a是一个新数组
print(a)  # 将数组平铺成一维数组
a.shape = (3, 3)  # 你也可以用reshape
print(a)
Out[4]：
[0.83017305 0.11660585 0.83060752 0.221212   0.35489551 0.74925696
 0.61087204 0.85969402 0.90966368]
[[0.83017305 0.11660585 0.83060752]
 [0.221212   0.35489551 0.74925696]
 [0.61087204 0.85969402 0.90966368]]

　　注意用A.T表示转置，或者用A.transpose()。