一、数组迭代
除了for循环，Numpy 还提供另外一种更为优雅的遍历方法： apply_along_axis(func1d, axis, arr)
二、 数组操作
1 更改形状
1. numpy.ndarray.shape 表示数组的维度，返回一个元组，这个元组的长度就是维度的数目，即 ndim 属性(秩)。
2.numpy.ndarray.flat 将数组转换为一维的迭代器，可以用for访问数组每一个元素
2 数组转置
1. numpy.transpose(a, axes=None) Permute the dimensions of an array.
2. numpy.ndarray.T Same as self.transpose() , except that self is returned if self.ndim < 2 .
3 更改维度
4 数组组合
5 数组拆分
6 数组平铺
7 添加和删除元素
============改变数组的维度==================
已知reshape函数可以有一维数组形成多维数组
ravel函数可以展平数组
b.ravel()
flatten()函数也可以实现同样的功能
区别：ravel只提供视图view，而flatten分配内存存储
重塑：用元祖设置维度
>>> b.shape=(4,2,3)
>>> b
array(［[ 0, 1, 2],
[ 3, 4, 5］,
［ 6, 7, 8],
[ 9, 10, 11］,
［12, 13, 14],
[15, 16, 17］,
［18, 19, 20],
[21, 22, 23］])
转置：
>>> b
array(［0, 1],
[2, 3］)
>>> b.transpose()
array(［0, 2],
[1, 3］)
=============数组的组合==============
>>> a
array(［0, 1, 2],
[3, 4, 5],
[6, 7, 8］)
>>> b = a*2
>>> b
array(［ 0, 2, 4],
[ 6, 8, 10],
[12, 14, 16］)
1.水平组合
>>> np.hstack((a,b))
array(［ 0, 1, 2, 0, 2, 4],
[ 3, 4, 5, 6, 8, 10],
[ 6, 7, 8, 12, 14, 16］)
>>> np.concatenate((a,b),axis=1)
array(［ 0, 1, 2, 0, 2, 4],
[ 3, 4, 5, 6, 8, 10],
[ 6, 7, 8, 12, 14, 16］)
2.垂直组合
>>> np.vstack((a,b))
array(［ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 0, 2, 4],
[ 6, 8, 10],
[12, 14, 16］)
>>> np.concatenate((a,b),axis=0)
array(［ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 0, 2, 4],
[ 6, 8, 10],
[12, 14, 16］)
3.深度组合：沿着纵轴方向组合
>>> np.dstack((a,b))
array(［[ 0, 0],
[ 1, 2],
[ 2, 4］,
［ 3, 6],
[ 4, 8],
[ 5, 10］,
［ 6, 12],
[ 7, 14],
[ 8, 16］])
4.列组合column_stack()
一维数组：按列方向组合
二维数组：同hstack一样
5.行组合row_stack()
以为数组：按行方向组合
二维数组：和vstack一样
6.==用来比较两个数组
>>> a==b
array(［ True, False, False],
[False, False, False],
[False, False, False］, dtype=bool)
#True那个因为都是0啊
==================数组的分割===============
>>> a
array(［0, 1, 2],
[3, 4, 5],
[6, 7, 8］)
>>> b = a*2
>>> b
array(［ 0, 2, 4],
[ 6, 8, 10],
[12, 14, 16］)
1.水平分割（难道不是垂直分割？？？）
>>> np.hsplit(a,3)
[array(［0],
[3],
[6］),
array(［1],
[4],
[7］),
array(［2],
[5],
[8］)]
split(a,3,axis=1)同理达到目的
2.垂直分割
>>> np.vsplit(a,3)
[array(［0, 1, 2］), array(［3, 4, 5］), array(［6, 7, 8］)]
split(a,3,axis=0)同理达到目的
3.深度分割
某三维数组：：：
>>> d = np.arange(27).reshape(3,3,3)
>>> d
array(［[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8］,
［ 9, 10, 11],
[12, 13, 14],
[15, 16, 17］,
［18, 19, 20],
[21, 22, 23],
[24, 25, 26］])
深度分割后（即按照深度的方向分割）
注意：dsplite只对3维以上数组起作用
raise ValueError('dsplit only works on arrays of 3 or more dimensions')
ValueError: dsplit only works on arrays of 3 or more dimensions
>>> np.dsplit(d,3)
[array(［[ 0],
[ 3],
[ 6］,
［ 9],
[12],
[15］,
［18],
[21],
[24］]), array(［[ 1],
[ 4],
[ 7］,
［10],
[13],
[16］,
［19],
[22],
[25］]), array(［[ 2],
[ 5],
[ 8］,
［11],
[14],
[17］,
［20],
[23],
[26］])]
===================数组的属性=================
>>> a.shape #数组维度
(3, 3)
>>> a.dtype #元素类型
dtype('int32')
>>> a.size #数组元素个数
9
>>> a.itemsize #元素占用字节数
4
>>> a.nbytes #整个数组占用存储空间=itemsize*size
36
>>> a.T #转置=transpose
array(［0, 3, 6],
[1, 4, 7],
[2, 5, 8］)
flat属性
网友评论