【Numpy第二讲】改变矩阵形状、矩阵切片

这是Numpy的第二篇，第一篇可以看此链接
【Numpy第一讲】如何生成矩阵，如何对矩阵进行加减乘除

更改矩阵的维度

使用np.reshape()函数

使用方法：

import numpy as np

矩阵 = np.array([1,2,3,4,5,6,7,8])

# 将它重新形状为2行4列的二维数组
reshape后 = np.reshape(矩阵,(2, 4))

print(reshape后)

$$reshape后=\left[\begin{array}{cccc}1& 2& 3& 4\\ 5& 6& 7& 8\end{array}\right]$$

用户可以自行设置修改后的行列数值，此时我们将一个一位的数组转换为了二行四列的数组，函数将会自动将他们转换为对应的形状。

但如果无法满足新数组的大小，那么就会报错。

此外，无需将行列两个数都给出，倘若只给出一个，将另外一个填为-1，函数会自动计算另一个参数

import numpy as np

矩阵 = np.array([1,2,3,4,5,6,7,8])

# 将它重新形状为4列的二维数组
reshape后 = np.reshape(矩阵,(4, -1))

print(reshape后)

$$reshape后=\left[\begin{array}{cc}1& 2\\ 3& 4\\ 5& 6\\ 7& 8\end{array}\right]$$

使用np.resize()函数

和上一个函数类似，它也可以转换函数的维度

但是相对于前者有一个最大的不同

np.resize()函数可以忽视匹配度，如果新矩阵的元素数量大于原矩阵，那么就会新增元素以匹配新矩阵

import numpy as np

矩阵 = np.array([1,2,3,4,5,6,7,8])

# 将它重新形状为4行4列的二维数组
resize后 = np.resize(矩阵,(4,4))

print(resize后)

新矩阵中的元素为16个，但原矩阵显然不满足，于是函数将重复原矩阵的元素，直到满足位置
$$resize后=\left[\begin{array}{cccc}1& 2& 3& 4\\ 5& 6& 7& 8\\ 1& 2& 3& 4\\ 5& 6& 7& 8\end{array}\right]$$
当新矩阵不足以容纳原来的元素时，函数将删除多余的元素。

import numpy as np

矩阵 = np.array([1,2,3,4,5,6,7,8])

# 将它重新形状为4行1列的二维数组
resize后 = np.resize(矩阵,(4,1))

print(resize后)

$$resize后=\left[\begin{array}{c}1\\ 2\\ 3\\ 4\end{array}\right]$$

对矩阵进行统计

有时候我们需要求出矩阵中的最大值，平均值，或者是某一列某一行的某个值。

此时就需要求值的函数了，非常简单，对于总矩阵来说，可以用的函数有以下几个

import numpy as np
A = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])

# 矩阵A中所有元素的和
A.sum()

# 矩阵的A最大值
A.max()

# 矩阵的A最小值
A.min()

# 最大元素所在的位置（从0开始）
A.argmax()

# 最小元素所在的位置（从0开始）
A.argmin()

但此时，你想只针对矩阵中某一行某一列，应该怎么做呢

import numpy as np
A = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])

# 矩阵A每一行中的最大值
A.max(axis=1)

## 矩阵A每一列中的最大值
A.min(axis=0)

我们用 axis=1 表示横轴（行），用 axis=0 表示纵轴（列），以此单独计算出所有列和行具体的值。

矩阵的切片和索引

矩阵的索引

对于一个矩阵，我们有时候想获取它的一部分，这时候就需要将矩阵切片了

要了解切片，我们首先需要知道索引，和列表这类数据一样

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

#b的值为2

a = np.array([[1, 2, 3, 4],[5, 6, 7, 8]])
b = a[1][2]

#b的值为7

矩阵的遍历

对于一位矩阵，可以和列表一样遍历

a = np.array([1, 2, 3, 4])
for i in a:
	print(i)

会逐个打印1，2，3，4

对于多维的矩阵，有两种遍历方法

第一种：将多维矩阵转换为一维的矩阵

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

#使用flat函数将a转换为一维的

b = a.flat
for i in b:
	print(i)

第二种：通过索引组成双循环逐行打印

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

#此处len(a)计算的是a的行数
for i in range(len(a)):
	#此处len(a[0])代表第一行中有多少元素
	for j in range(len(a[0])):
		print(a[i][j])

矩阵的分片

矩阵的分片是根据索引来进行分片的

对于一维矩阵，通过 ： 这个符号，可以选定范围，如果没有后范围，那么就是将前范围一直到最后打印出来

a = np.array([1, 2, 3, 4])
b = a[1:]

此时b的值就是 [2, 3, 4]，代表从第二个数字一直到最后

a = np.array([1, 2, 3, 4])
b = a[1:3]

此时b的值就是 [2, 3]，代表从第二个数字到第三个数字

它是不包含尾部数字的，也就是说[1:3]其实只能输出“第1号”到“第2号”

如果想要倒序输出，那么就需要在后范围改为**:-1**

a = np.array([1, 2, 3, 4])
b = a[::-1]
#打印b，得到[4, 3, 2, 1]

#也可以选中开始倒序的位置
b = a[1::-1]
#那么结果将从第二个数开始倒序
#b的值为[2, 1]

对于多维矩阵，也是类似的

a = np.array([[1, 2, 3, 4],[5, 6, 7, 8]])
b = a[0:2,1:3] 

表示打印第一行、第二行中，第二列、第三列。

此时b就是
$$b=\left[\begin{array}{cc}2& 3\\ 6& 7\end{array}\right]$$
它同样不包含最后一位

当需要打印某一列或者某一行的全部时，只填一个 : 即可

a = np.array([[1, 2, 3, 4],[5, 6, 7, 8]])
b = a[0:1,:] 

此时b的值就是 [1, 2, 3, 4]