numpy 编码练手

一，numpy 的功能

   支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。

二，代码练习

# coding=utf-8
import numpy as np
import matplotlib as mpl



# Ndarray  set of same type elements , index from 0. N dimension,
a_ndarray = np.array([1, 2, 3])

# 数据类型也是一个类
dt = np.dtype(np.int32)
print (dt)

student = np.dtype([('name', 'S20'), ('age', 'i1'), ('marks', 'f4')])
a = np.array([('abc', 21, 50), ('xyz', 18, 75)], dtype=student)
print (a)

# np array  https://www.runoob.com/numpy/numpy-array-manipulation.html#numpy_oparr2
#   attribute and creation
a = np.empty([3, 2], dtype=int)  # np.ones()
print (a.shape)

# np.asarray()  列表 元组 多维数组   dtype order
x = [1, 2, 3]
a = np.asarray(x)
print (a)

# np.fromiter()  迭代器 np.frombuffer()  流的形式读入
s = b'Hello World'
a = np.frombuffer(s, dtype='S1')
print (a)

list = range((5))
it = iter(list)
x = np.fromiter(it, dtype=float)
print (x)

x1 = np.arange(5, dtype=float)  # arange
print (x1)
x2 = np.linspace(1, 10, 10)  # logspace()  等比等差数列
print x2

# indexing and sliceing
arr_slice = np.arange(10)
sliced = slice(2, 7, 2)
print (arr_slice[sliced])  # arr_slice[2:7:2] [2] [2:7]
#  多维数组分片类似，  一个维度切片，比如行方向
a_2arr = np.array([[1, 2, 4], [3, 4, 5], [6, 7, 8]])
print (a_2arr[..., 1:])  # 行位置， 第2列。

# advanced indexing 整数数组索引、布尔索引及花式索引。
'''
 用数组定位元素 [0,1,2],  [0,1,0] ， (0，0) (1,1)...
 行索引是[0, 0]和[3, 3]，而列索引是[0, 2]和[0, 2]。  四个角元素
 print (x[x >  5])  a[~np.isnan(a)]
 花式索引： 利用整数数组进行索引。 任意定位元素
'''
hua_idx_arr = np.arange(32).reshape((8, 4))
print("数组索引例子")
print(hua_idx_arr[[1, 5, 3], [1, 3, 2]])
print(hua_idx_arr[np.ix_([1, 5, 3], [1, 3, 2])])  # 多个索引数组

# ndarray 计算
'''
#  广播： 强行一致shape 对数组的算术运算通常在相应的元素上进行。
迭代：
  遍历顺序，行优先 
   nditer(a, order='F') 列序优先 / c = b.copy(order='F')  
   修改元素：
      for x in np.nditer(iter_a, op_flags=['readwrite']):
          x[...]=2*x
   遍历每列：for x in np.nditer(a, flags =  ['external_loop'], order =  'F'):  
   广播迭代：
操作：   shape invert  dimension  join  split  add/delete element
    reshape:
    flat:   for element in a.flat:   可元素处理
    flatten:  返回数组拷贝    不影响
    ravel:  数组视图，修改影响原数组
    对换维度 transpose，  索引下标对换   a.T 
    后滚动rollaxis， 
    换轴swapaxes
    concatenate: stack  hstack vstack
  计算：位计算：bitwise_and  invert   left_shift 左移 对象：整数
    字符串：对象，对 dtype 为 numpy.string_ 或 numpy.unicode_ 的数组
       add multiply 
       np.char.center()
       np.char.capitalize
    数学函数： sin  cos  round 
    算术函数： add  subtract  multiply  divide  要求：相同的形状或符合数组广播规则
    统计：轴方向，amin  amax  percentile百分位数  median中位数 mean    标准差std  方差var
       1: 行轴  按列排序
       0：列轴  
    排序，条件筛选函数： sort(a, axis, kind, order)   
       返回排序副本， 排序类型：quicksort 
       帅选：np.nonzero()  非零元素索引
            np.where(x > 3) 给定条件  extract(condition)
               condition = np.mod(x,2) == 0
    副本和视图：副本不会影响元数据，发生在： 切片，用deepCopy() ndarray.copy()
       视图： np的切片返回视图， view函数  ；修改维数，不影响；切片后不同id,元素影响
       操作模式： 无复制：引用赋值，  原位修改
       视图：arr.view
               
'''
iter_a = np.arange(6).reshape(2, 3)
print "基础遍历"
for x in np.nditer(iter_a):
    print (x)
print('\n')

write_arr = np.arange(0, 60, 5).reshape(3, 4)
for x in np.nditer(write_arr, op_flags=['readwrite']):
    x[...] = 2 * x
print('修改后的数组是：')
print (write_arr)

flatten_arr = np.arange(8).reshape(2, 4)
print(flatten_arr.flatten(order='F')) #按列，数组副本


math_arr = np.array([0, 30, 45, 60, 90])
print("计算正弦值")
print(np.sin(math_arr * np.pi / 180))

sort_dt = np.dtype([('name', 'S10'), ('age', int)])
sort_arr = np.array([("raju", 21), ("anil", 25), ("ravi", 17), ("amar", 27)],
                    dtype=sort_dt)
print("按标签列排序")
print (np.sort(sort_arr, order='name'))

ages = [5,10 ,56,34 ,67, 3 ,45]
print (np.percentile(ages, 75))


# matlib 矩阵库  linalg：电积 内积 矩阵积

代码运行结果；(部分截图)