4.1ndarry的计算和基本操作

前言： Python 中的数组

用 list 和 tuple 等数据结构表示数组。

list = [1, 2, 3, 4]  # 一维数组
list = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]  # 二维数组

# 通过array函数创建数组
a.array('B', range(5))

1. ndarray 的创建

ndarray是什么？

NumPy 中基本的数据结构

所有元素必须是同一种类型的

利于节省内存和提高CPU 计算时间

有丰富的函数

可以利用这种数组对整块数据执行一 些数学运算，其语法跟标量元素之间的运算一样

 

创建数组最简单的方法是使用 array函数 。 它接受一切序列型的对象，然后产生一个新的含有传入数据的NumPy 数组

arange是Python内置函数range的数组版

import numpy as np
a = np.array([1, 2, 3])
b = np.array([(1, 2, 3), (4, 5, 6)])
np.arange(1, 5, 0.5)
np.arange(5)

zeros产生全0数组

ones产生全1数组

np.zeros(5)
np.zeros((2, 5))
np.ones((2, 3))

empty返回的都是一些未初始化的垃圾值

np.empty((2, 3, 2))

linspace生成等间隔的数列，前两个参数是数列开始和结尾，第三个是数列中元素个数 eye是创建一个正方的N*N单位矩阵（对角线 为1，其余为0）

np.linspace(1, 2, 10, endpoint = False)
np.eye(2)
np.eye(3, k = 1)
'''array([[0., 1., 0.],
          [0., 0., 1.],
          [0., 0., 0.]])'''

fromfunction：lambda i,j:(i+1)*(j+1) , i 代表 行号，j 代表列号。

s = np.fromfunction{lambda i, j: (i + 1) * (j + 1), (3, 4)}
'''[[ 1. 2. 3. 4.]
    [ 2. 4. 6. 8.]
    [ 3. 6. 9. 12.]]'''

2. ndarray 的运算

数组和标量之间的运算（应用到元素级）

data = np.array([1, 2, 3], [4, 5, 6])
data * 10
1 / data

相同形状数组之间的运算

a = np.array([(5, 5, 5), (5, 5, 5)])
b = np.array([(2, 2, 2), (2, 2, 2)])
c = a * a
a += b

不同形状数组之间的算术运算:广播

a = np.array([1, 2, 3])
b = np.array([[1, 2, 3], [4, 5, 6]])
a + b

3. 数组属性的相关操作

ndarray数组属性

– 维度（ dimensions ）称为轴（axes），轴的个数称为秩（rank）

– 基本属性

• ndarray.ndim （秩）

• ndarray.shape （维度）

• ndarray.size （元素总个数）

• ndarray.dtype （元素类型）

• ndarray.itemsize （元素字节大小）

 ndarray数组重塑

ndarray.reshape()：

向reshape传入一个表示新形状的元组（tuple），可将数组从一个形状转换为另一个形状有返回值，即不对原始多维数组进行修改。

ndarray.resize()：

无返回值，即会对原始多维数组进行修改

a = np.array([(1, 2, 3), (4, 5, 6)])
b = a.reshape(3, 2)
a.resize(3, 2)

a = np.array([[1, 2, 3], [4, 5, 6]])
b = a.reshape((3, 2)).reshape((2, 3))
c = b.reshape(6,)  # 将b转换为一维数组，与(6,1)不一样，后者是一个二维数组
d = c.reshape((3, -1))  # -1，表示该维度的大小由数据本身推断而来

ndarray.ravel() ：

将多维数组散开成一维数组。不会产生源数据的副本。

数组创建的优先顺序：

默认， numpy 是按行优先顺序创建 行和列优先顺序分别称为C 和 Fortran顺序(order= 'C' 和 order='F')

reshape 和 reval 都可以接受一个表示数组数据存放顺序的order 参数。

a.ravel()
a.ravel('F')
a.reshape((6,), order = 'F')
a.reshape((6,), order = 'C')
np.flatten()  # 会返回数据的副本

ndarray数组的合并

np.vstack(a, b)  # 以面向行的方式对数组进行堆叠（沿轴0）
np.hstack(a, b)  # 以面向列的方式对数组进行堆叠（沿轴1）

ndarray数组转置

arr = np.arange(10).reshape((2, 5))
arr.T

计算矩阵内积

np.dot()

ndarray.transpose() ：

将所有的元素按 ( 轴 1 ，轴 0, 轴2) 的顺序重新排列。原来 4 的编号为(0,1,0) ， transpose 以后， 4 的编号变为(1,0,0)

arr.transpose((1, 0, 2))

4. ndarray 的切片、索引

a = np.array([(1, 2, 3), (4, 5, 6)])
a[1]  # [4 5 6]

a[0:2]
'''[[1 2 3]
    [4 5 6]]'''

a[:,[0, 1]]
'''[[1 2]
    [4 5]]'''

a[1, [0, 1]]  # [4, 5]

for row in a:
    print(row)