默默无名的西大研究生学习的第二天——NumPy2

---

前言

接着上一篇文章对NumPy的N维数组ndarray的一些知识点再进行更进一步的学习与记录。

---

提示：以下是本篇文章正文内容，下面案例可供参考

1.2 ndarry的数据类型

array的数据类型（dtype），dtype是NumPy能够与其他系统数据灵活交互的原因。数据的dtype通常都是按照一个方式命名：类型名，比如float和int，后面再接上表明每个元素位数的数字。具体可参照下表所示：

类型	类型代码	描述
int8，uint8	i1, u1	有符号和无符号的8位整数
int16, uint16	i2, u2	有符号和无符号的16位整数
int32, uint32	i4, u4	有符号和无符号的32位整数
int62 ,uint64	i8 ,u8	有符号和无符号的64位整数
float16	f2	半精度浮点数
float32	f4或f	标准单精度浮点数；兼容C语言float
float64	f8或d	标准双精度浮点数；兼容C语言double和 python float
float128	f16或g	拓展精度浮点数
complex64，complex128，complex256	c8, c16, c32	分别基于32位、64位、128位浮点数的复数
bool	?	布尔值，存储True或False
object	O	Python object类型
string_	S	修正的ASCⅡ字符串类型；例如生成一个长度为10的字符串类型，使用‘S10’
unicode_	U	修正的Unicode类型；例如生成一个长度为10的Unicode类型，使用‘U10’

array的数据类型可以根据关键字参数dtype=改变，实例代码如下：

arr1 = np.array([1, 2, 3, 4, 5],dtype=np.int64)
print(arr1.dtype)
-------------------------------------------------
int64

也可以使用astype方法转换数组的数据类型

arr2 = arr1.astype(np.float64)
print(arr2.dtype)
------------------------------------------------
float64

在任意使用数据类型转换时要注意以下几点：
1）整数–>浮点型，数字末尾加小数点

arr1 = np.array([1, 2, 3, 4, 5], dtype=np.float64)
print(arr1)
print(arr1.dtype)
-------------------------------------------------
[1. 2. 3. 4. 5.]
float64

2）浮点型–>整数，小数点后的部分将被消除

arr1 = np.array([3.7, -1.2, -2.6, 0.5, 12.9, 10.1])
arr2 = arr1.astype(np.int32)
print(arr2)
--------------------------------------------------
[ 3 -1 -2  0 12 10]

3）数字含义的字符串 --> 数字（整型或者浮点型）

arr1 = np.array(['1.25', '-9.6', '42'],dtype=np.string_)
arr2 = arr1.astype(float)
print(arr2)
---------------------------------------------------
[ 1.25 -9.6  42.  ]

1.3 NumPy数组算术

数组允许你进行批量操作而无须任何for循环。NumPy用户称这种特性为向量化。任何在两个等尺寸数组之间的算术操作都应用了逐元素操作的方式。

arr = np.array([[1.,2.,3.],[4.,5.,6.]])
arr1 = arr * arr
print(arr1)
---------------------------------------------
[[ 1.  4.  9.]
 [16. 25. 36.]]

而有趣的是，同尺寸数组之间的比较会产生一个布尔值数组。

arr2 = np.array([[0., 4., 1.], [6., 9., 5.]])
arr1 = arr2 > arr
print(arr1)
---------------------------------------------
[[False  True False]
 [ True  True False]]

1.4 基础索引与切片

NumPy中数组的索引与切片操作和Python的列表的索引与切片的操作很类似，而不同点在如果你传入了一个数值给数组的切片，数值会被传递到整个切片当中。区别于Python的内建列表，数组的切片是原数组的视图。这意味着数据并不是被复制了，任何对于视图的修改都会反映到原数组上。我们可以从下面的实验看到这个现象：

list = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
arr = np.array(list)
print(list)
print(arr)
print('--------------------------------1')
list_slice = list[5:8]
arr_slice = arr[5:8]
print(list_slice)
print(arr_slice)
print('--------------------------------2')
arr_slice[1] = 12345
list_slice[1] = 12345
print(list_slice)
print(arr_slice)
print(list)
print(arr)
print('--------------------------------3')

------------------------------------------------------------
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
[0 1 2 3 4 5 6 7 8 9]
--------------------------------1
[5, 6, 7]
[5 6 7]
--------------------------------2
[5, 12345, 7]
[    5 12345     7]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
[    0     1     2     3     4     5 12345     7     8     9]
--------------------------------3

arr_slice不写切片值的[:]将会引用数组的所有值：

arr_slice[:] = 64
print(arr)
------------------------------------------------------------
[ 0  1  2  3  4 64 64 64  8  9]

如果你想要的是一份数组的拷贝而不是视图可以使用.copy()。

aa = arr[5:8].copy()
aa[:] = 99
print(arr)
------------------------------------------------------------
[ 0  1  2  3  4 64 64 64  8  9]

在一个一维数组中，每个索引值对应的元素是一个值；而再二维数组中，每个索引值对应的元素不再是一个值，而是一个一维数组。

arr2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
a = arr2d[2]
print(a)
---------------------------------------------------------
[7 8 9]

你可以通过传递一个索引的逗号分隔列表去选择单个元素。或者是类似c语言二维数组的索引方式。

a = arr2d[0,1]
print(a)
a = arr2d[0][1]
print(a)
-----------------------------------------------------------
2
2

1.4.1 二维数组的切片索引

对于二维数组的切片与一维数组的切片有所不同。

arr2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
a = arr2d[:2]
print(a)
------------------------------------------------------------
[[1 2 3]
 [4 5 6]]

表达式arr2d[:2]的含义为选择arr2d的前两行。
想要进行多组切片，其实与多组索引类似（[行，列]）

a = arr2d[:2,1:]
print(a)
------------------------------------------------------------
[[2 3]
 [5 6]]

如果将索引和切片混合，就可以得到低维度的切片。
例如我们可以选择第三行，只选择后两列

a = arr2d[2,1:]
print(a)
------------------------------------------------------------
[8 9]

我们还可以选择第三列，但是只选择第二行

a = arr2d[:2,2]
print(a)
------------------------------------------------------------
[3 6]

需要注意的是，单独一个冒号表示选择整个轴上的数组。

a = arr2d[2:,:]
print(a)
a = arr2d[2,:]
print(a)
------------------------------------------------------
[[7 8 9]]
[7 8 9]

第二天下班！！！！