文章目录
文章目录
一、数组形状操作
1.改变数组的形状
数组变量名为a
a.shape
#返回数组的形状 (行数,列数)
以下三种操作返回新数组,而不改变原数组:
a.ravel()
# returns the array, flattened
a.reshape(行数, 列数)
# returns the array with a modified shape
a.T
# returns the array, transposed
resize()
修改数组本身的形状:
a.resize((行数, 列数))
2.数组堆叠/拼接
数组a与数组b,大小均为2×2
np.vstack((a, b))
垂直方向堆叠,结果数组大小为4×2
row_stack
等效于vstack
,row_stack
是vstack
的别名
np.hstack((a, b))
水平方向堆叠,结果数组大小为2×4
column_stack((a, b))
将一维数组作为列向量堆叠到二维数组中。仅当a,b为二维数组时它相当于hstack
3.数组拆分
hsplit
沿水平轴分割数组
vsplit
沿垂直轴分割数组
array_split
允许指定沿哪一个轴分割
二、副本和视图(Copies and Views)
1.没有副本
- 简单的赋值不会复制对象或其数据。
- Python 将可变对象作为引用传递,因此函数调用不会进行复制。
2.查看(View)或浅拷贝
不同的数组对象可以共享相同的数据。view
方法创建一个新数组对象,该数组对象可以与原数组查看相同数据。改变新数组对象的shape不会影响原数组,但改变新数组对象的元素时,原数组也会改变。
注:切片数组返回它的视图,s[:]
是s
的视图。
3.深拷贝
copy
方法制作数组及其数据的完整副本。
4.函数和方法概述
二、广播规则(Broadcasting rules)
1.维数不同
在维度较小的数组的shape前面重复添加“1”,直到所有数组具有相同的维数。
2.其中一个数组某一维度大小为1
import numpy as np
# 创建两个数组
A = np.array([[1, 2, 3],
[4, 5, 6]])
B = np.array([10, 20, 30])
# 使用广播将B与A相加
result = A + B
# 广播规则会将B自动扩展为与A兼容的形状
# 结果是一个与A相同形状的数组,每个元素都加上了B的对应元素
# 结果:
# array([[11, 22, 33],
# [14, 25, 36]])