1.对于多维数组,其维数axis值为:0,1,2……
是从内层往外数
>>> b = np.arange(12).reshape(3,4)
>>> b
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
>>>
>>> b.sum(axis=0) # sum of each column
array([12, 15, 18, 21])
>>>
>>> b.min(axis=1) # min of each row
array([0, 4, 8])
2.创造ndarray时,fromfunction的应用
>>> def f(x,y):
... return 10*x+y
...
>>> b = np.fromfunction(f,(5,4),dtype=int)
>>> b
array([[ 0, 1, 2, 3],
[10, 11, 12, 13],
[20, 21, 22, 23],
[30, 31, 32, 33],
[40, 41, 42, 43]]
在上面的表达式中,(5,4)分别表示x, y的取值范围和矩阵的形状,即x取 0 1 2 3 4。Y取0 1 2 3 通过计算得到的矩阵为下面显示的矩阵
3.整数索引和切片一起使用时,会导致数组降维
4.创建数组中的floor函数
a = floor(10*random.random((3,4)))
array([[ 7., 5., 9., 3.],
[ 7., 2., 7., 8.],
[ 6., 8., 3., 2.]])
是求数组每个元素的向下取整
5.np.ravel()把数组的所有元素变为一维,一字排开。但并不改变原数组的shape…. np.reshape()也是
由 ravel() 展平的数组元素的顺序通常是“C风格”的,就是说,最右边的索引变化得最快,所以元素a[0,0]之后是a[0,1]。如果数组被改变形状(reshape)成其它形状,数组仍然是“C风格”的。NumPy通常创建一个以这个顺序保存数据的数组,所以 ravel() 将总是不需要复制它的参数 3 。但是如果数组是通过切片其它数组或有不同寻常的选项时,它可能需要被复制。函数 reshape() 和 ravel() 还可以被同过一些可选参数构建成FORTRAN风格的数组,即最左边的索引变化最快。
resize()函数,改变数组本身
6.ndarray组合
对那些维度比二维更高的数组, hstack 沿着第二个轴组合, vstack 沿着第一个轴组合, concatenate 允许可选参数给出组合时沿着的轴
呆会举个例子
7.np.r_[]
>>> np.r_['0,2,0', [1,2,3], [4,5,6]]
array([[1],
[2],
[3],
[4],
[5],
[6]])
>>> np.r_['1,2,0', [1,2,3], [4,5,6]]
array([[1, 4],
[2, 5],
[3, 6]])
提供一种看参数的方法:先看‘a, b, c‘…….先看b,代表堆积以后至少是多少维,再看c,是否要对后面的数组进行维度提升的方向。在这个例子中,因为至少为2维,所以后面数组要由(3,)提升为(3,1)。最后看a,是沿着那根轴堆积
8.
>>> palette = np.array( [ [0,0,0], # black
... [255,0,0], # red
... [0,255,0], # green
... [0,0,255], # blue
... [255,255,255] ] ) # white
>>> image = np.array( [ [ 0, 1, 2, 0 ], # each value corresponds to a color in the palette
... [ 0, 3, 4, 0 ] ] )
>>> palette[image] # the (2,4,3) color image
array([[[ 0, 0, 0],
[255, 0, 0],
[ 0, 255, 0],
[ 0, 0, 0]],
[[ 0, 0, 0],
[ 0, 0, 255],
[255, 255, 255],
[ 0, 0, 0]]])
用多维索引切片多维数组,总是从被切的数组的第一维切