学习笔记：Numpy

np.array()

• numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
  • object 数组或嵌套的数列
  • dtype 数组元素的数据类型，可选
  • copy 对象是否需要复制，可选
  • order 创建数组的样式，C为行方向，F为列方向，A为任意方向（默认）
  • subok 默认返回一个与基类类型一致的数组
  • ndmin 指定生成数组的最小维度

a = np.array([1,  2,  3,4,5], ndmin =  2)  
print (a)
"""
[[1 2 3 4 5]]
"""

shape和reshape

• shape用于查看数组维度
• reshape用于调整数组的维度

import numpy as np
a = np.array([[1,2,3],[4,5,6]])
print(a.shape) 
"""
(2, 3)
"""

调整维度

b = a.reshape(3,2)
print(b)
"""
[[1 2]
 [3 4]
 [5 6]]
"""
print(b.shape)
"""
(3, 2)
"""

值得注意的是：reshape获取的不是原始数据的拷贝，和原始数组共享的同一内存地址。

b[0][0] = 10
print(b)
"""
[[10  2]
 [ 3  4]
 [ 5  6]]
"""
print(a)
"""
[[10  2  3]
 [ 4  5  6]]
"""

修改数组的形状并返回

• numpy.resize(arr, shape)

a = np.array([[1,2,3],[4,5,6]])
 
print ('第一个数组：')
print (a)
print ('\n')
 
print ('第一个数组的形状：')
print (a.shape)
print ('\n')
b = np.resize(a, (3,2))
 
print ('第二个数组：')
print (b)
print ('\n')
 
print ('第二个数组的形状：')
print (b.shape)
print ('\n')
# 要注意 a 的第一行在 b 中重复出现，因为尺寸变大了
 
print ('修改第二个数组的大小：')
b = np.resize(a,(3,3))
print (b)
"""
第一个数组：
[[1 2 3]
 [4 5 6]]


第一个数组的形状：
(2, 3)


第二个数组：
[[1 2]
 [3 4]
 [5 6]]


第二个数组的形状：
(3, 2)


修改第二个数组的大小：
[[1 2 3]
 [4 5 6]
 [1 2 3]]
"""

各种初始化

• 参数说明：shape 是创建数组的形状， dtype是数据类型， order 有'C'和'F'两个选项，表示行优先和列优先
• c = numpy.empty(shape, dytpe= float , order= 'C') 创建指定形状且未初始化的数组
• numpy.zeros(shape, dytpe= float , order= 'C')创建指定形状且初始化为0的数组
• numpy.ones(shape, dytpe= float , order= 'C')创建指定形状且初始化为1的数组

x = np.ones([3,2], dtype = int)
print(x)
"""
[[1 1]
 [1 1]
 [1 1]]
"""

np.arange()

• numpy.arange(start, stop, step, dtype)
  • start 起始值，默认为0
  • stop 终止值（不包含）
  • step 步长，默认为1
  • dtype 返回ndarray的数据类型，如果没有提供，则会使用输入数据的类型。

x = np.arange(5)  
print (x)
"""
[0 1 2 3 4]
"""

x = np.arange(10,20,2)  
print (x)
"""
[10 12 14 16 18]
"""

切片和索引

• 用python自带的slice（）函数

a = np.arange(10)
s = slice(2,7,2) # 第一个参数是开始下标，第二个是结束下标，第三个是步长
print(a[s])
"""
[2 4 6]
"""

• numpy的切片
  • 三个参数：第一个参数是开始下标，第二个是结束下标，第三个是步长
  • 一个参数就是直接索引，两个参数就是python常用的列表切片。

b = a[2:7:2] 
print(b)
"""
[2 4 6]
"""

• 切片还可以包括省略号 …，来使选择元组的长度与数组的维度相同。 如果在行位置使用省略号，它将返回包含行中元素的 ndarray。
• 这个省略号就是表示该维度的数据需要全部取出来而已

a = np.array([[[1,2,3],[4,5,6],[7,8,9]]]) 
print(a.shape)
"""
(1, 3, 3)
"""

print(a[...,1])  # 前边的维度全部取，然后最后一个维度下标为1
"""
[[2 5 8]]
"""

print(a[0,...]) # 第一个维度的第0 维度，其他维度全部取
"""
[[1 2 3]
 [4 5 6]
 [7 8 9]]
"""

print(a[0,...,1]) # 第一个维度取0维，第二个维度全部取，最后一个维度下标为1
"""
[2 5 8]
"""

print(a[0,1])
"""
[4 5 6]
"""

切片操作

a = np.array([[1,2,3], [4,5,6],[7,8,9]])
print(a.shape)
"""
(3, 3)
"""

b = a[1:3, 1:3] # 第一个维度1-2，第二个维度1-2
"""
[[5 6]
 [8 9]]
"""

c = a[1:3,[1,2]]   #第一个维度1-2，第二个维度取下标1和下标2
"""
[[5 6]
 [8 9]]
"""
d = a[...,1:] # 第一个维度全取，第二个维度1-全部
"""
[[2 3]
 [5 6]
 [8 9]]
"""

广播机制

• 一张图非常清楚

  
  广播机制

a = np.array([[ 0, 0, 0],
           [10,10,10],
           [20,20,20],
           [30,30,30]])
b = np.array([1,2,3])
print(a + b)
"""
[[ 1  2  3]
 [11 12 13]
 [21 22 23]
 [31 32 33]]
"""

转置、迭代和复制

• 转置就是a.T
• 迭代就是np.nditer(a)

b = a.T 
for x in np.nditer(c):   # 迭代方式1
    print (x, end=", " )
for item in a.flat: # 迭代方式2
    print(item)
c = b.copy(order='C')  
c = b.copy(order='F') 

转换维度np.transpose(a)

a = np.arange(12).reshape(3,4)
print(a)
print(np.transpose(a))
print(a.T)
"""
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
[[ 0  4  8]
 [ 1  5  9]
 [ 2  6 10]
 [ 3  7 11]]
[[ 0  4  8]
 [ 1  5  9]
 [ 2  6 10]
 [ 3  7 11]]
"""

升维和降维

• np.expand_dims(x, axis = 0)
• z = np.squeeze(y)

x = np.array(([1,2],[3,4]))
print(x)
print(x.shape)
print('******')
y = np.expand_dims(x, axis = 0)
print(y)
print(y.shape)
print('******')
z = np.squeeze(y)
print(z)
print(z.shape)
"""
[[1 2]
 [3 4]]
(2, 2)
******
[[[1 2]
  [3 4]]]
(1, 2, 2)
******
[[1 2]
 [3 4]]
(2, 2)
"""

链接多个数组

• numpy.concatenate((a1, a2, ...), axis)

a = np.array([[1,2],[3,4]])
 
print ('第一个数组：')
print (a)
print ('\n')
b = np.array([[5,6],[7,8]])
 
print ('第二个数组：')
print (b)
print ('\n')
# 两个数组的维度相同
 
print ('沿轴 0 连接两个数组：')
print (np.concatenate((a,b)))
print ('\n')
 
print ('沿轴 1 连接两个数组：')
print (np.concatenate((a,b),axis = 1))
"""
第一个数组：
[[1 2]
 [3 4]]


第二个数组：
[[5 6]
 [7 8]]


沿轴 0 连接两个数组：
[[1 2]
 [3 4]
 [5 6]
 [7 8]]


沿轴 1 连接两个数组：
[[1 2 5 6]
 [3 4 7 8]]
"""

末尾插入

• numpy.append(arr, values, axis=None)

arr：输入数组
values：要向arr添加的值，需要和arr形状相同（除了要添加的轴）
axis：默认为 None。当axis无定义时，是横向加成，返回总是为一维数组！当axis有定义的时候，分别为0和1的时候。当axis有定义的时候，分别为0和1的时候（列数要相同）。当axis为1时，数组是加在右边（行数要相同）。

给定轴插入

• numpy.insert(arr, obj, values, axis)

arr：输入数组
obj：在其之前插入值的索引
values：要插入的值
axis：沿着它插入的轴，如果未提供，则输入数组会被展开

加减乘除

• NumPy 算术函数包含简单的加减乘除: add()，subtract()，multiply() 和 divide()。
• np.add(a,b)

numpy.vdot(a,b)

• 两个矩阵相乘等于一个数

numpy.matmul(a,b)

• 返回两个矩阵的乘积