Numpy：数组与矢量计算

常见方法

命令	说明
np.array(序列, [dtype=float64])	创建ndarray
ndarray.shape	返回各个维度的维数
ndarray.dtype	返回数组元素的数据类型
np.nrange(n)	创建ndarray
ndarray.astype(np.float64)	动态转换dtype，调用astype会对原始数据进行拷贝
np.arange(20).reshape(4,5)	reshape(维度的维数)，动态生成多维数组
ndarray.ndim	返回数组的维数
ndarray.copy()	返回数组的副本

切片

• 原始数据视图

  标量赋值给切片，该值会自动广播到整个选区.

  arr = np.arange(10)
  arr10[:2] = 12
  print(arr)        # [12 12  2  3  4  5  6  7  8  9]
  

  数组切片是原始数组视图, 视图上任何修改都会反映到原始数组. arr[:2].copy() 会得到数组的副本而非视图.

  arr_slice = arr[:2]
  arr_slice[1] = 12345
  print(arr, arr_slice)                      # [ 12 12345  2   3   4   5   6   7   8   9] [ 12 12345 ]
  

• 索引切片

  通过索引切片选取数组中的数据，不会创建数据的副本，修改索引切片，原始数组也会发生改变.

  • 一维数组

    和python原始序列切片一样.
    

  • 二维数组

    先取行，再取列.
    

  • 三维数组

    生成三维数组，表示2个 2 x 5 二维数组.
    
    第一个冒号：针对2个二维数组切片，第二个 :1针对第一行切片，第二个 2: 针对列切片.
    

• 布尔型索引

  names = np.array([‘Bob’,‘Joe’,‘Will’,‘Bob’,‘Will’,‘Joe’,‘Joe’])
  data = np.arange(28).reshape(7,4)

  等于：
  
  不等于：
  
  组合条件：&、|
  
  通过布尔型数组设置值：
  
  通过布尔型选取数组中的数据，总是创建数据的副本.
  

• 花式索引

  总是将数据复制到新数组中.
  指的是利用整数数组进行索引.
  以特定的顺序选取子集：
  
  两个一维整数数组选取方形区域的索引：
  

数组转置和轴对换

转置返回源数据的视图(不会进行任何复制操作).
数组不仅有transpose方法，还有一个特殊的T属性：

二维数组：就是简单的0轴和1轴互换：

高维数组，transpose需要得到一个由轴编号组成的元组：
a) 简单的0轴和1轴交换

原始arr维度为(2,3,4)，因此0轴和1轴交换，变为(3,2,4)，3个2x4的二维数组.
规律：将每个小数组进行拆分，从第二行开始，每一行形成单独一个元组的第一行.

b) 简单的1轴和2轴交换
原始arr维度为(2,3,4)，因此1轴和2轴交换，变为(2,3,4)，元组个数不会改变.
规律：只是小数组内部轴变换.

c) 简单的0轴和2轴交换
这个比较复杂，0轴和2轴交换，不仅小数组个数变化，而且小数组元素也发生变化
规律：一般需要将第一个小数组轴转换，分成2轴个数个小数组，然后再将其他的合并过来.

通用函数

通用函数是一种对ndarray中的数据执行元素级运算的函数.

一元ufunc：

二元ufunc：

利用数组进行数据处理

numpy数组可以将数据处理任务表述为简洁的数组表达式(否则需要编写循环)。用数组表达式代替循环做法，称为矢量化.