python numpy 学习笔记

结构数组
一、创建结构数组

   （1）、通过字典创建
     键names对应字段列表
     键formats对应字段类型列表
     当参数align=True时，
     persontype = np.dtype({
     'names' : ['name, 'age', 'weight'],
     'formats' : ['S32', 'i', 'f'] }, align = True)
     (2)通过元组列表创建
      >>> np.dtype([('name', 'S32'), ('age', 'i4'), ('weight', 'f4')])
      dtype([('name', 'S32'), ('age', '<i4'), ('weight', '<f4')])
      (3)、通过字典创建
      键名为字段名，键名对应的值为元组，第一个元素为键值的类型，第二个为内存地址偏移量
      >>> np.dtype({'surname':('S25', 0), 'age':(np.int8, 25)})

二、创建结构体变量
     #定义结构体
     persontype = np.dtype({
     'names' : ['name, 'age', 'weight'],
     'formats' : ['S32', 'i', 'f'] }, align = True)
     #创建结构体变量(通过指定dtype = persontype)
     a = np.array([('Zhang', 32, 75.5), ('Wang', 24, 65.2)], dtype = persontype)
     
     另一种描述结构体类型的方法（多个元组列表）：
     >>>a.dtype
     dtype([('name', '|S32'), ('age', '<i4'), ('weight', '<f4')])
     类型字符前面的'|', '<', '>'等字符表示字段值的字节顺序：
       | : 忽视字节顺序
       < : 低位字节在前， 即小端模式
       > : 高位字节在前，即大端模式
三、结构数组的存取
     (1)、通过索引获取结构元素
      >>>a[0]
       ('Zhang', 32, 75.5)
       这里的结果看上去是一个元组，实际上它是一个结构
     
     (2)通过结构元素获取字段值
       >>>a[0]['name']
       'Zhang'
     (3) 通过字段名获取结构数组的字段
       >>>b = a['age']
       >>>b
       array([32, 24])

     (4)将结构数组转换为字符串或者写到文件中
      >>>a.tostring()
      >>>a.tofile()
      
四、内存对齐
     在C语言中，为了寻址方便，C语言的结构体会自动添加一些填充用的字节，这叫做内存对齐。
     设置参数align = True，可以使结构数组的内存和C语言结构体一致
五、结构类型包含其他结构类型
     （1）字段值为结构
     >>>np.dtype(['f1', ['f2', np.int16]])
     这个语句创建了一个字段名为f1的结构，f1的值是另一个结构，它含有字段名f2，其类型是16bit的整数
     （2）字段值为数组
       当字段值为数组时，用元组的第三个参数表示其形状
     >>>np.dtype([('f0', 'i4'), ('f1', 'f8', (2,3))])
     
     >>> a = np.dtype([('f0', 'i4'), ('f1', 'f8', (2,3))])
     >>> b= np.array([(1, np.array([[1,2,3],[4,5,6]]))], dtype= a)
     >>>b
     array([(1, [[1., 2., 3.], [4., 5., 6.]])],
      dtype=[('f0', '<i4'), ('f1', '<f8', (2, 3))])
      
六、内存结构
     数组对象在内存中的存储：
        数组的描述信息保存在一个数据结构中，这个结构引用两个对象： 
          用于保存数据的存储区域和用于描述元素类型的dtype对象。
          -----------------------------------------
          | dtype       |      *----------->float32
          ------------------------------------------
          | dim count   | 2     
          -------------------------------------------
          | dimensions  | 3  | 3
          -------------------------------------------
          |stride       | 12  | 4
          -------------------------------------------
          | data        |        *---------->数据存储区域 
          -------------------------------------------
            数组对象用strides属性保存每个轴上相邻元素的地址差，
            上面的stride属性值为（12,4），则当某个轴的下标增加1时，
            数据存储区域指针所增加的字节数。即是a[1, 0]比a[0, 0]的
            地址大12个字节。a[1,1]比a[1, 0]大4个字节。

 

numpy中ufunc运算
加减乘除这些算数术运算在numpy中有专门的运算符与之对应。
但是逻辑运算就要用logical_and, logical_or, logical_not, logical_xor

（1）、np.logical_and(x1, x2, *args, **kwargs)
（2）、np.logical_or(x1, x2, *args, **kwargs)
（3）、logical_not(x, *args, **kwargs)
（4）、logical_xor()
   python（numpy）中any和all方法和R的差不多
   
   numpy中位运算符：
   bitwise_and, bitwise_not, bitwise_or, bitwise_xor
   python中自带的位运算符^, &, |, ~等

自定义ufunc函数： frompyfunc和vectorize函数

     （1）frompyfunc： 
       frompyfuunc(func, nin, nout)
          func是计算单个元素的函数
          nin是func输入参数的个数
          nout是func返回值的个数
          
       （2）vectorize函数
       vectorize(func, otype = [np.float])
广播：
     numpy提供了快速产生能进行广播运算的数组的ogrid对象      
     >>>x,y = np.ogrid[:5, :5]
     ogrid对象使用切片对象作为下标，返回用来进行广播计算的数组。切片有如下
     两种形式：
           开始值：结束值：步长
           开始值：结束值：长度j
     mgrid函数和ogrid函数类似，但是返回的是广播之后的数组