Python的基础学习1.1：数组操作

上一篇学习了数组的创建以及基本性质（数据类型、形状），今天学习数组的基本操作

1.自动创建数组

1.1特殊数组的自动创建

       特殊数组包括：全零矩阵，全壹矩阵，指定同一值矩阵，以及与指定矩阵相同性质的特殊矩阵

特殊数组的创建

函数	含义	例子(代码)
zeros(形状，数据类型)	全零数组	import numpy as np np.zeros(4,np.int) #1*4零向量 np.zeros((3,4),np.int) #3*4零矩阵 array([0,0,0,0])
ones(形状，np.类型)	全一数组	np.ones(4) array([1,1,1,1])
empty(形状，np.类型)	空矩阵（未初始化）	np.empty((2,3),np.int) array([[520,0,520],            [0,    0,-214]])
full(形状，np.值)	初始化为同一值	np.full(4,np.pi) #全π数组 np.full(4,5) #全5数组 array([5,5,5,5])
zeros_like(a) ones_like(a) empty_like(a) full_like(a)	创建与数组a同样形状和数据类型的数组，等价于zeros_like(a.shape,a.dtype)	a=np.ones((2,3),np.int) np.zeros_like(a) array([[0,0,0],            [0,0,0]])

 

1.2 从字节序列或者文件创建

字符串是只读的，不可修改。特别注意数据类型的影响，本文只着重于通过函数创建

从字符串或者函数创建

函数	含义
fromstring(s,dtype=np.类型)	从字符串s创建数组
fromfunction（函数名,形状）	从指定函数创建数组

在使用fromfunction之前要先定义函数，用def来定义。此处可以创建多维数组，注意形状属性为（ ，），且0轴和1轴都是从0开始编号

例如：

一维数组：

import numpy as np

#定义函数 除以4的余数加1
def func(i):
    return i%4+1

np.fromfunction(func,(10,))

输出为：array([1.,2.,3.,4.,1.,2.,3.,4.,1.,2.])

2维数组：

import numpy as np
#9*9乘法表
def func1(i,j):
    return (i+1)*(j+1)

np.fromfunction(func1,(9,9))

输出如下：

图1.1 9*9乘法表

2.对数组中元素进行操作

对元素的操作，主要包括存取、修改。

一维数组：a[始：终：间隔]

二维数组：a[0轴，1轴]，a[:,2] 所有行第三列

2.1 使用切片存取修改

使用切片存取或者修改时，与原数组共用内存，因此修改一个则原数组也修改

import numpy as np
a=np.arange(10)
a       #从0开始                   array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])                 
a[5]    #第6个元素                  5        
a[3:5]  #第4个和第5个，含头不含尾   array([3, 4])
a[:5]   #从0开始到底5个            array([0, 1, 2, 3, 4])
a[3:]   #从第4个开始               array([3, 4, 5, 6, 7, 8, 9])

a[1::2] #[始：终：间隔]            array([1, 3, 5, 7, 9])
a[::-1] #负间隔表示反序            array([9, 8, 7, 6, 5, 4, 3, 2, 1, 0])

a[2:4]=100,101 
a       #修改元素                  array([  0,   1, 100, 101,   4,   5,   6,   7,   8,   9])

#赋值之后数组与原数组共享内存，同时更新
b=a[1:4]
b[0]=-10
a                                 #array([  0, -10, 100, 101,   4,   5,   6,   7,   8,   9])

2.2 使用整数列表、整数数组等存取

得到的数组与原数组不共享数据

a[[2,3]]   #整数列表（起始为0）    array([100, 101])
b=a[[2,3]]
b[0]=2
a          #a的第1个元素并不改变   array([  0, -10, 100, 101,   4,   5,   6,   7,   8,   9])

a[np.array([2,3])]  #整数数组      array([100, 101])

 

结构数组和内存结构等就暂时不学习，需要用到再补充。