Numpy 基础使用

1. 属性

    array = np.array([[1,2,3],[2,3,4]])   #列表转化为矩阵

    array.ndim   # 维度

    array.shape   # 行数和列数

    array.size   # 元素个数

    array.size   # 数据类型

2. 定义矩阵

    np.zeros((3,4))

    np.ones((3,4),dtype = np.int)

    np.empty((3,4))     # 生成的数据几乎接近为0

    np.arange(10,20,2)      # 10-19 的数据，2步长   左闭右开

    np.arange(12).reshape(3,4)      # 3行4列，0到11

    a = np.linspace(1,10,20)      # 从1到10，生成20个数据，19个等长线段 

3. 运算

    a+b   # a、b有相同的shape

    a-b

    a**2    # 几次幂

    np.sin(a)     # a是角度，可以通过a*np.pi/180来转化为弧度

print(a<10)    # 不管a的shape如何，始终返回一个bool列表

    a*b                # 对应元素相乘

    np.dot(a, b)    or   a.dot(b)                # 矩阵相乘

    np.sum(a, axis=0)

    np.min( )     np.max( )       # 最大值和最小值

 

    np.argmin( )   np.argmax( )    # 最大值和最小值的索引

    np.mean( )  np.average( )   # 求平均

    np.median( )    # 中位数

    np.cumsum( )     # 累加函数

    np.diff( )     # 累差函数

    np.nonzero( )     # 非零元素的坐标，各个维度单独返回一个array

    np.sort( )     # 排序，可以指定axis

    np.transpose( A )   or  A.T    # A的转置，比如A的shape是(2,3,2,4)，转置过后变为(4,2,3,2)

    np.clip( A, 5, 9 )    # 类似于过滤器，比9大的元素都替换成9，比5小的元素都替换成5

4. 索引、修改维度

    一维： A[0]

    二维： A[1][0]   or  A[1, 0] 

    可以利用 : 对一定范围内的元素进行切片操作，例如A[1, 1:3]返回第一行，1-2列的元素(左闭右开)

    for item in A：  # 迭代最外层的元素

    for item in A.flat:    # flat迭代器

    A.flatten()    # 降为1维，返回的是拷贝，对拷贝的修改不影响原始矩阵

    A.ravel()    # 降为1维，返回的是视图，相当于把原array压成一维，在视图上的修改就是直接在原array上的修改

    A.reshape(-1)   # 降为1维

    np.squeeze(A, axis)     # 删除A中维度为1的条目，如(1, 2, 3, 1)squeeze过后变为(2, 3)，可以指定某一维，若指定的维度不是1会报错

5. 合并和分割

   np.vstack((a,b,...))     # vertical 上下连接（最外层的维度上）

    np.hstack((a,b,...))     # horizontal 左右连接  (第二个维度上)

    A[:,np.newaxis]     # 增加一个维度，使用上和None一样

    np.concatenate((a,b,…), axis)   # 指定维度上进行连接

    

    np.split(A, 整数or数组, axis)     # 沿axis轴分割数组，整数必须保证能均分，不然会报错。数组[3,5,7]表示在第3，5，7行进行切割

    np.array_split     # 和上面一样，不过整数可以不用保证均分

    np.vsplit(A, 整数or数组)     # 水平分割  等价于split在axis=0上分割

    np.hsplit(A, 整数or数组)       # 垂直分割  等价于split在axis=1上分割    

6. 拷贝

    b=a   # 无复制

    b=a[ : ]  和  b=a.view( )     # 创建视图(浅拷贝)，即新建了一个数组对象，改变b的维度不会影响a的维度，但是b并没有拷贝一份a的数据，他们的数据是存放在同一块内存里的

    b=a.copy( )     # 副本(深拷贝)，b单独拷贝了一份a的数据，两者完全隔离互不影响