Python学习高光时刻记录2——（np.concatenate,np.zeros,np.transpose,enumerate）

1.np.concatenate()——数组拼接，可以拼接两个或多个数组

import numpy as np
a1=np.array([1,1,1])#1，3
b1=np.array([2,2,2])#1，3
A1=np.array([[1,1,1],[2,2,2]])#2，3
B1=np.array([[3,3,3],[4,4,4]])#2，3

np.concatenate((a1,b1),axis=0)#axis默认为0，可以不写
#输出：
array([1, 1, 1, 2, 2, 2])

np.concatenate((A1,B1),axis=0)
#输出：
array([[1, 1, 1],
       [2, 2, 2],
       [3, 3, 3],
       [4, 4, 4]])

np.concatenate((A1,B1),axis=1)#axis=1表示对应行数组拼接
#输出：
array([[1, 1, 1, 3, 3, 3],
       [2, 2, 2, 4, 4, 4]])

2.np.zeros(shape,dtype=float,order='C')——返回给定形状和类型的用0填充的数组

shape:数组形状，可以一维(如2)或者多维(如(2,3))

dtype:数据类型，如np.int8,np.float64

order:当为‘C'时，以行为先，当为'F'时，以列为先

import numpy as np
np.zeros(3,dtype=np.float64,order='C')#一维，浮点数
#输出：
array([0., 0., 0.])

np.zeros((2,3),dtype=np.int8,order='F')#二维，整数
#输出：
array([[0, 0, 0],
       [0, 0, 0]], dtype=int8)

3.np.transpose()——改变数组序列

对于二维矩阵

import numpy as np
a=np.arange(4).reshape(2,2)   #arange(4)为0，1，2，3，reshape改变数组形状,此处变为2维矩阵
print(a)
#输出：
[[0 1]
 [2 3]]

#各数据对应的坐标
a[0][0]==0
a[0][1]==1
a[1][0]==2
a[1][1]==3
a.transpose(0,1)  #表示按照原坐标轴改变序列，也就是保持不变
#输出：
array([[0, 1],
       [2, 3]])

a.transpose(1,0)  #表示交换 ‘0轴’ 和 ‘1轴’，改变了坐标轴序列
#输出：
array([[0, 2],
       [1, 3]])

#改变后各数据对应的坐标
a[0][0]==0
a[1][0]==1
a[0][1]==2
a[1][1]==3

对于三维矩阵

import numpy as np
b=np.arange(16).reshape(2,2,4)
#arange(16)为0到15，reshape转变为3维矩阵
print(b)
#输出：
[[[ 0  1  2  3]
  [ 4  5  6  7]]

 [[ 8  9 10 11]
  [12 13 14 15]]]

#各数据对应的坐标
b[0][0][0] == 0
b[0][0][1] == 1
b[0][0][2] == 2
b[0][0][3] == 3

b[0][1][0] == 4
b[0][1][1] == 5
b[0][1][2] == 6
b[0][1][3] == 7

b[1][0][0] == 8
b[1][0][1] == 9
b[1][0][2] == 10
b[1][0][3] == 11

b[1][1][0] == 12
b[1][1][1] == 13
b[1][1][2] == 14
b[1][1][3] == 15

b.transpose(0,1,2)  #坐标轴不改变，矩阵保持不变
#输出：
array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7]],

       [[ 8,  9, 10, 11],
        [12, 13, 14, 15]]])

b.transpose(1,0,2)  #表示交换 ‘0轴’ 和 ‘1轴’,‘2轴’不变
#输出：
array([[[ 0,  1,  2,  3],
        [ 8,  9, 10, 11]],

       [[ 4,  5,  6,  7],
        [12, 13, 14, 15]]])

#坐标轴变换后各数据对应的坐标
b[0][0][0] == 0
b[0][0][1] == 1
b[0][0][2] == 2
b[0][0][3] == 3

b[1][0][0] == 4
b[1][0][1] == 5
b[1][0][2] == 6
b[1][0][3] == 7

b[0][1][0] == 8
b[0][1][1] == 9
b[0][1][2] == 10
b[0][1][3] == 11

b[1][1][0] == 12
b[1][1][1] == 13
b[1][1][2] == 14
b[1][1][3] == 15

可以看到4，5，6，7和8，9，10，11的‘0轴’ 和 ‘1轴’发生了互换

np.transpose参考自：https://blog.csdn.net/qq_45083975/article/details/104393611?utm_medium=distribute.pc_relevant.none-task-blog-title-10&spm=1001.2101.3001.4242

                            和    https://blog.csdn.net/u012762410/article/details/78912667

4.enumerate()——遍历对象（如列表，字符串）

list1=["a","b","c"]
for id,name in enumerate(list1):
    print(id,name)
#输出：   
0 a
1 b
2 c