python- numpy的常用操作

1. numpy 常常被缩写成 np

import numpy as np

2. 自定义数组

ls = [[1,2],[3,4],[5,6]]
array = np.array(ls)
# 定义形状，填充值一致
array_0 = np.zeros([3,3]) # 形状为3*3的全零矩阵
array_1 = np.ones([3,3]) # 形状为3*3的全1矩阵
array_6 = np.full([3,3],6) # 形状为3*3的全为6的矩阵 
# 等差序列
array = np.arange(10,20,2) # 根据步长来取数据：[10, 12, 14, 16, 18]
array = np.linspace(10,20,6) # 等距离取6个数据：[10., 12., 14., 16., 18., 20.]
# 设置技巧，20-10 = 10 可以被5整除，则要设置 5+1 = 6 个数据
# 斜对角
np.eye(3) # 生成斜对角都为1的3*3矩阵
np.diag([1,2,3]) # 生成斜对角为1,2,3的3*3矩阵 
# 范德蒙数组
np.vander([3,4,5,6])

3. 查看array的属性

ls = [[1,2],[3,4],[5,6]]
array = np.array(ls)
array.shape # (3,2)
array.size # 6
array.T # 转置 操作
array.real # 提取实部
array.imag # 提取虚部

4. 复制和变形

ls = [[1,2],[3,4],[5,6]]
array = np.array(ls)
array_copy = array.copy() # 由于数组操作都会改变原数组，保护原数组要先将数组复制
# reshape变换形状
array_re = array.reshape(2,-1) # 原数组不变。新数组是将原数组变成2行，-1代表着：具体变成几列，计算机自己计算。
array.resize(2,3) # 将原数组进行变形，不能使用-1的技巧
array.flatten() # 拉伸成一维数组(扁平化）

5. 索引方法-切片和键对索引

array = np.vander([3,4,5,6])
输出： [[ 27,   9,   3,   1],
       [ 64,  16,   4,   1],
       [125,  25,   5,   1],
       [216,  36,   6,   1]]
# 切片
array[1:3,1:3] # 第一，二行和第一，二列
# 键对索引
 # 单键对
array[0,2] # 3
 # 多键对，第一个列表放行索引，第二个放列索引
array[[0,1,2],[1,2,3]] # [9, 4, 1]

6. 数组的拼接和拆分

# 拼接
np.vstack([array1,arrat2]) # 数组的竖向拼接，vertical
np.hstack([array1,arrat2]) # 数组的横向拼接，horizontal
np.stack([array1,arrat2]) # 数组的升维拼接
# 拆分
np.vsplit(array,2) # 数组的竖向拆分，分成2份，vertical
np.hsplit(array,2) # 数组的横向拼接，分成2份，horizontal
np.split(array,2) # 数组的降维拆分