PY自学笔记——Numpy基础 数组属性 普通切片索引

• 数组属性
• 切片索引

---

数组属性

Numpy 主要的对象是同质多维数组或者矩阵（所有元素的类型都相同）

维度称为 轴 axis 

• axis 0  行
• axis 1  列

轴的数目 rank

属性	返回类型	说明
ndim	int	数组的维度
shape	tuple	数组的尺寸 例如：对于n行m列的矩阵，形状为（n，m）
size	int	数组元素总数，等于数组形状的乘积n*m
dtype	data-type	描述数组中的类型
itemsize	int	数组的每个元素的大小（以字节为单位）

切片索引

一维数组

与列表切片完全一致

data = np.arange(1,4)

#array([1,2,3])

data   
#1 2 3

data[0]  
#1

data[1]  
#2

data[0:2] 
#1 2 
#不包含data[2]

data[1:]  
#2 3
#data[1]之后的所有数据

多维数组

例子1

data = np.arange(1,7).reshape(3,2)

array([[1, 2],
        [3, 4],
        [5, 6]])


data[0,1]
#2
#第0行第1列

data[1:3]
#3 4 
#5 6
#第1行第2行 所育的列

data[0:2,0]
#1
#3
#第0行第1行 第0列

例子2 

data = np.arange(10).reshape(2,5)

array([[0, 1, 2, 3, 4],
       [5, 6, 7, 8, 9]])

data[0]

#array([0, 1, 2, 3, 4])

data[1]

#array([5, 6, 7, 8, 9])

data[0,1]

#1

data[0,::2]

#array([0, 2, 4])

例子3 

c = np.arrange(12).reshape(3,4)

array([[0,1,2,3],
       [4,5,6,7],
       [8,9,10,11]])

c[:2,1:3]

array([[1,2],
       [5,6]])

c[:2][1:3]

array([[4,5,6,7]])

#c[:2],会返回c数组的前两行，将得到一个新的数组
#[1:3]，前一部的新数组中的第一行和第二行
#所以最后只剩下了原来的第一行

A[m,n]

m,n直接为数字时，定位对应的坐标

m,n为[:x,:y]，先按行截取，再按列截取

例子4

array([[0,1,2,3],
       [4,5,6,7],
       [8,9,10,11]])


c[1,:]
array([4,5,6,7])

c[1:2,:]
array([4,5,6,7])

c[:,1]
array([1,5,9])

c[:,1:2]
array([[1],
       [5],
       [9]])

与list的一个小区别 

List形成的字列表，修改不会修改原数据值

L=[1,2,3,4,5]

M = L[:]  
# M：[1,2,3,4,5]

M[0] = 20
# M：[20,2,3,4,5]

L
# L:[1,2,3,4,5]

numpy使用切片形成的子矩阵

修改子矩阵会改变原来的数据值

如果想不影响，使用copy函数

L=np.array([1,2,3,4,5])

M = L[:]  
# M：array([1,2,3,4,5])

M[0] = 20
# M：array([20,2,3,4,5])

L
# L:[20  2  3  4  5]