"""
Numpy 数组操作
修改数组形状
函数 描述
reshape 不改变数据的条件下修改形状
flat 数组元素迭代器
flatten 返回一份数组拷贝，对拷贝所做的修改不会影响原始数组
ravel 返回展开数组
"""
import numpy as np
'''
numpy.reshape
numpy.reshape 函数可以在不改变数据的条件下修改形状，格式如下： numpy.reshape(arr, newshape, order='C')
arr：要修改形状的数组
newshape：整数或者整数数组，新的形状应当兼容原有形状
order：'C' -- 按行，'F' -- 按列，'A' -- 原顺序，'k' -- 元素在内存中的出现顺序。
'''
'''
a = np.arange(8)
print('原始数组：')
print(a)
print('\n')
b = a.reshape(4,2)
print('修改后的数组：')
print(b)
'''
'''
numpy.ndarray.flat
numpy.ndarray.flat 是一个数组元素迭代器，实例如下:
'''
'''
a = np.arange(9).reshape(3,3)
print('原始数组：')
for row in a:
print(row)
# 对数组中每个元素都进行处理，可以使用flat属性，该属性是一个数组元素迭代器
print('迭代后的数组：')
for element in a.flat:
print(element)
'''
'''
numpy.ndarray.flatten
numpy.ndarray.flatten 返回一份数组拷贝，对拷贝所做的修改不会影响原始数组，格式如下：
ndarray.flatten(order='C')
参数说明：
order：'C' -- 按行，'F' -- 按列，'A' -- 原顺序，'K' -- 元素在内存中的出现顺序。
'''
'''
a = np.arange(8).reshape(2,4)
print('原数组：')
print(a)
print('\n')
#默认按行
print('展开的数组：')
print(a.flatten())
print('\n')
print('以 F 风格顺序展开的数组：')
print(a.flatten(order = 'F'))
'''
'''
numpy.ravel
numpy.ravel() 展平的数组元素，顺序通常是"C风格"，返回的是数组视图（view，有点类似 C/C++引用reference的意味），修改会影响原始数组。
该函数接收两个参数：
numpy.ravel(a, order='C')
参数说明：
order：'C' -- 按行，'F' -- 按列，'A' -- 原顺序，'K' -- 元素在内存中的出现顺序。
'''
'''
a = np.arange(8).reshape(2,4)
print('原始数组：')
print(a)
print('\n')
print('调用 ravel 函数之后：')
print(a.ravel())
print('\n')
print('以 F 风格顺序调用 ravel 函数之后：')
print(a.ravel(order = 'F'))
'''
'''
翻转数组
函数 描述
transpose 对换数组的维度
ndarray.T 和self.transpose()相同
rollaxis 向后滚动指定的轴
swapaxes 对换数组的两个轴
'''
'''
numpy.transpose
numpy.transpose 函数用于对换数组的维度，格式如下：
numpy.transpose(arr, axes)
参数说明:
arr：要操作的数组
axes：整数列表，对应维度，通常所有维度都会对换。
'''
'''
a = np.arange(12).reshape(3,4)
print('原数组：')
print(a)
print('\n')
print('对换数组：')
print(np.transpose(a))
'''
'''
numpy.ndarray.T 类似 numpy.transpose：
'''
'''
a = np.arange(12).reshape(3, 4)
print('原数组：')
print(a)
print('\n')
print ('转置数组：')
print (a.T)
'''
'''
numpy.rollaxis
numpy.rollaxis 函数向后滚动特定的轴到一个特定位置，格式如下：
numpy.rollaxis(arr, axis, start)
参数说明：
arr：数组
axis：要向后滚动的轴，其它轴的相对位置不会改变
start：默认为零，表示完整的滚动。会滚动到特定位置。
'''
'''
# 创建了三维的 ndarray
a = np.arange(8).reshape(2,2,2)
print('原数组：')
print(a)
print('\n')
# 将轴 2 滚动到轴 0 （宽度到深度）
print('调用 rollaxis 函数：')
print(np.rollaxis(a,2))
# 将轴 0 滚动到轴 1：（宽度到高度）
print('\n')
print('调用 rollaxis 2 函数：')
print(np.rollaxis(a,2,1))
'''
'''
a = np.array([[78, 34, 87, 25, 83], [25, 67, 97, 22, 13], [78, 43, 87, 45, 89]])
print('原始数组：')
print(a)
print('轴 axis=0 是竖轴的数据,第一行打印出了每列的最大值')
print(a.max(axis=0))
print('轴 axis=1 axis=1就是横轴的')
print(a.max(axis=1))
'''
'''
a = np.array([[[0, 1], [2, 3]], [[4, 5], [6, 7]]])
print('原始数组：')
print(a)
print(a.shape)
print('\n')
print('轴 axis=0：')
print(a.max(axis=0))
print('\n')
print('轴 axis=1：')
print(a.max(axis=1))
print('\n')
print('轴 axis=2：')
print(a.max(axis=2))
'''
'''
numpy.swapaxes
numpy.swapaxes 函数用于交换数组的两个轴，格式如下：
numpy.swapaxes(arr, axis1, axis2)
arr：输入的数组
axis1：对应第一个轴的整数
axis2：对应第二个轴的整数
'''
'''
# 创建三维的 ndarray
a = np.arange(8).reshape(2,2,2)
print ('原数组：')
print (a)
print ('\n')
# 现在交换轴 0（深度方向）到轴 2（宽度方向）
print ('调用 swapaxes 函数后的数组：')
print(np.swapaxes(a,2,0))
'''
'''
修改数组维度
维度 描述
broadcast 产生模仿广播的对象
broadcast_to 将数组广播到新形状
expand_dims 扩展数组的形状
squeeze 从数组的形状中删除一维条目
'''
'''
numpy.broadcast用于模仿广播的对象，它返回一个对象，该对象封装了将一个数组广播到另一个数组的结果。
'''
'''
x = np.array([[1],[2],[3]])
y = np.array([4,5,6])
print('x 原数组：\n',x)
print('y 原数组：\n',y)
# 对 y 广播 x
b = np.broadcast(x,y)
# 它拥有 iterator 属性，基于自身组件的迭代器元组
print('对 y 广播 x：')
r,c = b.iters
#Python3.x 为 next(context) ，Python2.x 为 context.next()
print(next(r),next(c))
print(next(r),next(c))
print(next(r),next(c))
print(next(r),next(c))
print(next(r),next(c))
print(next(r),next(c))
print(next(r),next(c))
print(next(r),next(c))
print(next(r),next(c))
print('广播结束')
# print(next(r),next(c))
print('\n')
#shape 属性返回广播对象的形状
print ('广播对象的形状：')
print (b.shape)
print ('\n')
# 手动使用 broadcast 将 x 与 y 相加
b = np.broadcast(x,y)
# 创建空数组的实例：
# numpy.empty 方法用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组：
# numpy.empty(shape, dtype = float, order = 'C')
c = np.empty(b.shape)
print('c 的 shape：\n',c)
print('手动使用 broadcast 将 x 与 y 相加：')
print(c.shape)
print('\n')
# numpy.ndarray.flat 是一个数组元素迭代器
c.flat = [u + v for (u, v) in b]
print('c 函数：',c.dtype)
print('调用 flat 函数：')
print(c)
print('\n')
# 获得了和 NumPy 内建的广播支持相同的结果
print('x 与 y 的和：')
print(x + y)
'''
'''
numpy.broadcast_to
numpy.broadcast_to 函数将数组广播到新形状。它在原始数组上返回只读视图。 它通常不连续。 如果新形状不符合 NumPy 的广播规则，该函数可能会抛出ValueError。
numpy.broadcast_to(array, shape, subok)
'''
'''
a = np.arange(4).reshape(1,4)
print('原数组：\n',a)
print('调用 broadcast_to 函数之后：')
print(np.broadcast_to(a,(4,4)))
'''
'''
numpy.expand_dims
numpy.expand_dims 函数通过在指定位置插入新的轴来扩展数组形状，函数格式如下:
numpy.expand_dims(arr, axis)
参数说明：
arr：输入数组
axis：新轴插入的位置
'''
'''
x = np.array(([1,2],[3,4]))
print('数组 x：\n',x)
y = np.expand_dims(x,axis=0)
print('数组 y：\n',y)
print('数组 x 和 y 的形状：\n',x.shape,y.shape)
print('在位置 1 插入轴之后的数组 y：\n',y)
print('x.ndim 和 y.ndim：\n',x.ndim,y.ndim)
print('x.shape 和 y.shape：',x.shape,y.shape)
'''
'''
numpy.squeeze
numpy.squeeze 函数从给定数组的形状中删除一维的条目，函数格式如下：
numpy.squeeze(arr, axis)
参数说明：
arr：输入数组
axis：整数或整数元组，用于选择形状中一维条目的子集
'''
x = np.arange(9).reshape(1,3,3)
print('数组 x：\n',x)
y = np.squeeze(x) # 从数组的形状中删除单维条目，即把shape中为1的维度去掉
print('数组 y：\n',y)
print('数组 x 和 y的形状：', x.shape , y.shape)
