人工智能系列-numpy（三）

🌈个人主页：羽晨同学 

💫个人格言:“成为自己未来的主人~”   

副本和视图

副本

副本是一个数据的完整的拷贝，如果我们对副本进行修改，它不会影响到原始数据，物理内存不再同一位置。副本一般发生在Python序列的切片操作，调用deepCopy()函数。调用ndarray的copy()函数产生一个副本。

视图

视图是数据的一个别称或者引用，通过该别称或引用亦便可访问，操作原有数据，但原有数据不会产生拷贝，如果我们对视图进行修改，它会影响到原始数据，物理内存在同一位置。

视图一般发生在numpy的切片操作返回原数据的视图，调用ndarray的view()函数产生一个视图。

赋值

简单的赋值不会创建数组对象的副本。相反，它使用原始数组的相同id()来访问它，id()返回Python对象的通用标识符，类似于C中的指针。

此外，一个数组的任何变化都反映在另一个数组上。例如：一个数组的形状改变也会改变另一个数组的形状。

import numpy as np
a=np.arange(6)
print('我们的数组是：')
print(a)
print('调用id()函数：')
print(id(a))
print('a复制给b')
b=a
print(b)
print('b具有的id()')
print(id(b))
print('修改b的形状')
b.shape=3,2
print(b)
print('a的形状也改变了')
print(a)

视图或浅拷贝

ndarray.view()方会创建一个新的数组对象，该方法创建的新数组的维数变化不会改变原始数据的维数

import numpy as np
a=np.arange(6).reshape(2,3)
print('数组a: ')
print(a)
print('创建a的视图： ')
b=a.view()
print(b)
print('两个数组的id()不相同：')
print('a的id()')
print(id(a))
print('b的id()')
print(id(b))
b.shape=3,2
print('b的形状：')
print(b)
print('a的形状：')
print(a)

而使用切片创建视图修改数据会影响到原始数组：

import numpy as np

arr=np.arange(12)
print('我们的数组： ')
print(arr)
print('创建切片：')
a=arr[3:]
b=arr[3:]
a[1]=123
b[2]=234
print(arr)
print(id(a))
print(id(b))
print(id(arr))

 副本或深拷贝

ndarray.copy()函数创建一个副本，对副本数据进行修改，不会影响到原始数据，它们物理内存不在同一位置。

import numpy as np
a=np.array([[10,10],[2,3],[4,5]])
print('数组 a')
print(a)
print('创建a的深层副本：')
b=a.copy()
print('数组b')
print(b)
print('我们能够写入b来写入a吗？')
print(b is a)
print('修改b的内容：')
b[0,0]=100
print('修改后的数组b:')
print(b)
print('a保持不变：')
print(a)

 

NumPy Matplotlib

Matplotlib是Python的绘图库，它可与NumPy一起使用，提供了一种有效的MatLab开源替代方案。

举一个画一元线性方程的简单例子：

import numpy as np
from matplotlib import pyplot as plt

x=np.arange(1,11)
y=2*x+5
plt.title("Matplotlib demo")
plt.xlabel("x axis caption")
plt.ylabel("y axis caption")
plt.plot(x,y)
plt.show()

import numpy as np
from matplotlib import pyplot as plt

x=np.arange(1,11)
y=2*x+5
plt.title("Matplotlib demo")
plt.xlabel("x axis caption")
plt.ylabel("y axis caption")
plt.plot(x,y,marker="o")
plt.show()

from matplotlib import pyplot as plt
x=[5,8,10]
y=[12,16,6]
x2=[6,9,11]
y2=[6,15,7]
plt.bar(x,y,align='center')
plt.bar(x2,y2,color='g',align='center')
plt.title("bar graph")
plt.ylabel("Y axis")
plt.xlabel("X axis")
plt.show()

from matplotlib import pyplot as plt
import numpy as np
a=np.array([22,87,5,43,56,73,55,54,11,20,51,5,79,31,27])
plt.hist(a,bins=[0,20,40,60,80,100])
plt.title("historgram")
plt.show()

 

 

import matplotlib.pyplot as plt
import numpy as np
x=np.linspace(0,2*np.pi,400)
y=np.sin(x**2)
fig,ax=plt.subplots()
ax.plot(x,y)
ax.set_title("Simple plot")

f,(ax1,ax2)=plt.subplots(1,2,sharey=True)
ax1.plot(x,y)
ax1.set_title("sharing Y axis")
ax2.scatter(x,y)
fig,axs=plt.subplots(2,2,
subplot_kw=dict(projection="polar"))
axs[0,0].plot(x,y)
axs[1,1].scatter(x,y)
plt.show()