numpy基础用法-学习笔记-task03

1.数组的操作
1）numpy.ndarray.shape 表示数组的维度，返回一个元组，这个元组的长度就是维度的数目，即 ndim 属性(秩)。

2）numpy.ndarray.flat 将数组转换为一维的迭代器，可以用for访问数组每一个元素。

3）numpy.ndarray.flatten([order=‘C’]) 将数组的副本转换为一维数组，并返回。
a. order：‘C’ – 按行，‘F’ – 按列，‘A’ – 原顺序，‘k’ – 元素在内存中的出现顺序。(简记)b. order：{'C / F，'A，K}，可选使用此索引顺序读取a的元素。'C’意味着以行大的C风格顺序对元素进行索引，最后一个轴索引会更改F
表示以列大的Fortran样式顺序索引元素，其中第一个索引变化最快，最后一个索引变化最快。请意，'C’和’F’选项不考虑基础数组的内存布局，仅引用轴索引的序.A’表示如果a为Fortran，则以类似Fortran的索引顺序读取元素在内存中连续，否则类似C的顺序。“ K”表示按照步序在内存中的顺序读取元素，但步幅为负时反转数据除外。默认情况下，使用Cindex顺序。

4）numpy.ravel(a, order=‘C’)
Return a contiguous flattened array.
ravel() 返回的是视图。

order=‘F’ 就是拷贝

5）numpy.reshape(a, newshape[, order=‘C’]) 在不更改数据的情况下为数组赋予新的形状。
reshape() 函数当参数 newshape = [rows,-1] 时，将根据行数自动确定列数。

reshape() 函数当参数 newshape = -1 时，表示将数组降为一维。

2.数组的转置
1）numpy.transpose(a, axes=None) Permute the dimensions of an array.
2）numpy.ndarray.T Same as self.transpose() , except that self is returned if self.ndim < 2 .

3.更改维度
1）numpy.newaxis = None None 的别名，对索引数组很有用。
【例】很多工具包在进行计算时都会先判断输入数据的维度是否满足要求，如果输入数据达不到指定的维度时，可以使用 newaxis 参数来增加一个维度。

2）numpy.squeeze(a, axis=None) 从数组的形状中删除单维度条目，即把shape中为1的维度去掉。
a） a 表示输入的数组；
b） axis 用于指定需要删除的维度，但是指定的维度必须为单维度，否则将会报错；
在机器学习和深度学习中，通常算法的结果是可以表示向量的数组（即包含两对或以上的方括号形式[[]]），如果直接利用这个数组进行画图可能显示界面为空（见后面的示例）。我们可以利用 squeeze() 函数将表示向量的数组转换为秩为1的数组，这样利用 matplotlib 库函数画图时，就可以正常的显示结果了。



4.数组组合
1）numpy.concatenate((a1, a2, …), axis=0, out=None) Join a sequence of arrays along an existing axis.
axis=0 我的理解是沿着X.shape里面的第一个维度拼接
axis=1 我的理解是沿着X.shape里面的第二个维度拼接
【例】连接沿现有轴的数组序列（原来x，y都是一维的，拼接后的结果也是一维的）。

【例】原来x，y都是二维的，拼接后的结果也是二维的。

【例】x，y在原来的维度上进行拼接。

2）numpy.stack(arrays, axis=0, out=None)
Join a sequence of arrays along a new axis.
【例】沿着新的轴加入一系列数组（stack为增加维度的拼接）。



3）numpy.vstack(tup)
Stack arrays in sequence vertically (row wise).
numpy.hstack(tup)
Stack arrays in sequence horizontally (column wise)

【例】二维的情况。


hstack(),vstack() 分别表示水平和竖直的拼接方式。在数据维度等于1时，比较特殊。而当维度大于或等于2时，它们的作用相当于 concatenate ，用于在已有轴上进行操作。

5. 数组拆分
1）numpy.split(ary, indices_or_sections, axis=0)
Split an array into multiple sub-arrays as views into ary.
indices_or_sections:如果是一个整数，就用该数平均切分，如果是一个数组，为沿轴切分的位置（左开右闭）
axis：沿着哪个维度进行切向，默认为0，横向切分。为1时，纵向切分
【例】拆分数组。

2）numpy.vsplit(ary, indices_or_sections)
Split an array into multiple sub-arrays vertically (row-wise).

3）numpy.vsplit(ary, indices_or_sections)
Split an array into multiple sub-arrays vertically (row-wise).
【例】垂直切分是把数组按照高度切分

4）numpy.hsplit(ary, indices_or_sections) Split an array into multiple sub-arrays horizontally (column-wise).
【例】水平切分是把数组按照宽度切分。

6.数组平铺
1)numpy.tile(A, reps)
Construct an array by repeating A the number of times given by reps.
tile 是瓷砖的意思，顾名思义，这个函数就是把数组像瓷砖一样铺展开来。
【例】将原矩阵横向、纵向地复制。

2）numpy.repeat(a, repeats, axis=None) Repeat elements of an array.
a. axis=0 ，沿着y轴复制，实际上增加了行数。
b. axis=1 ，沿着x轴复制，实际上增加了列数。
c. repeats ，可以为一个数，也可以为一个矩阵。
d. axis=None 时就会flatten当前矩阵，实际上就是变成了一个行向量。
【例】重复数组的元素。

7.添加和删除元素
1）1. numpy.unique(ar, return_index=False, return_inverse=False,return_counts=False, axis=None) 对于一维数组或者列表，unique函数去除其中重复的元素，并按元素由大到小返回一个新的无元素重复的元组或者列表

a. return_index=True表示返回新列表元素在旧列表中的位置，并以列表形式储存在s中。

b. return_inverse=True 表示返回旧列表元素在新列表中的位置，并以列表形式储存在p中

c. return_counts：the number of times each unique value comes up in the input array