numpy教程_2_进阶

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

numpy常见函数

---

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]])