Python学习之Numpy基础（四）

一：复制

1.id相同，所指向数据块相同，仅名称不同（一个人有大名、有小名、有外号，但是都是这个人）

a = numpy.arange(12)
b = a
print(b is a)
b.shape = 3,4
print(a.shape)
print(id(a))
print(id(b))

打印结果：

True
(3, 4)
2563571342752
2563571342752

2.id不同，所指向数据块相同（双胞胎，基因相同，但是是两个人）

进一步理解：

a和c的id不同，说明a和c指向不同的东西，但是a和c公用同一块数据源，修改其中一个的值另一个也会改变

c = a.view()
print(c is a)
c.shape = 2, 6
print(a.shape)
c[0, 4] = 1234
print(a)
print(id(a))
print(id(c))

打印结果：

False
(3, 4)
[[   0    1    2    3]
 [1234    5    6    7]
 [   8    9   10   11]]
2270379466144

2270377903808

3.id不同，数据块不同，名字不同，但是数据相同（复印文件）

d = a.copy()
print(d is a)
d[0, 0] = 99
print(d)
print(a)

打印结果：

False
[[  99    1    2    3]
 [1234    5    6    7]
 [   8    9   10   11]]
[[   0    1    2    3]
 [1234    5    6    7]

 [   8    9   10   11]]

二：索引

1.找一个矩阵中，最大值所在的位置

numpy.argmax(axis=0或1)

numpy.shape的用法

data = numpy.sin(numpy.arange(20)).reshape(5, 4)
print(data)
ind = data.argmax(axis=0)  #返回每列或每行的最大值的索引
print(ind)
data_max = data[ind, range(data.shape[1])]
print(data_max)

打印结果：

[[ 0.          0.84147098  0.90929743  0.14112001]
 [-0.7568025  -0.95892427 -0.2794155   0.6569866 ]
 [ 0.98935825  0.41211849 -0.54402111 -0.99999021]
 [-0.53657292  0.42016704  0.99060736  0.65028784]
 [-0.28790332 -0.96139749 -0.75098725  0.14987721]]
[2 0 3 1]
[ 0.98935825  0.84147098  0.99060736  0.6569866 ]

二：单个矩阵内的复制

numpy.tile(要复制的矩阵，（复制的份数）)

a = numpy.arange(0, 40, 10)
print(a)
b = numpy.tile(a, (3, 5))
print(b)

打印结果：

[ 0 10 20 30]
[[ 0 10 20 30  0 10 20 30  0 10 20 30  0 10 20 30  0 10 20 30]
 [ 0 10 20 30  0 10 20 30  0 10 20 30  0 10 20 30  0 10 20 30]

 [ 0 10 20 30  0 10 20 30  0 10 20 30  0 10 20 30  0 10 20 30]]

三：排序

1.sort

a = numpy.array([[4, 3, 5], [1, 2, 1]])
print(a)
print("-----")
b = numpy.sort(a, axis=1)
print(b)

打印结果：

[[4 3 5]
 [1 2 1]]
-----
[[3 4 5]

 [1 1 2]]

2.argsort

a = numpy.array([4, 3, 1, 2])
j = numpy.argsort(a) #数据从小到大排序的索引
print(j)
print("-----")
print(a[j])

打印结果：

[2 3 1 0]
-----
[1 2 3 4]