请使用 jupyter notebook 学习
给定区间,元素个数的初始化
import numpy as np
a = np.linspace(0, 10, 11) # 0到10,总共11个数
a
Numpy轴的分布
最后一个轴:从左到右
倒数第二个轴:从上到下(最里面的一层)
其他的轴:从上到下,每个元素间隔一行
a = np.arange(120).reshape(2, 3, 4, 5)
a
遍历array中的所有元素
b = np.arange(16).reshape(4, 4)
b
for element in b.flat:
print(element)
flatten
拉成一维
a = np.arange(12).reshape(3, 4)
a
a.ravel()
View Copy
分享相同的数据,只是视野变化了
a = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
c = a.view()
c
c is a
c.base is a
c = c.reshape((2, 6))
a.shape
c[0, 4] = 1234
a
这里对c进行改变,a也发生了变化,说明两者共享同一数据。
切片其实也是数据的一种视野。
s = a[:, 1:3]
s[:] = 10
a
Deep Copy
copy方法创建了数据的一个完全拷贝
d = a.copy()
d is a
d.base is a
d[0, 0] = 9999
a
数组当索引
a = np.arange(12)**2
a
i = np.array([1, 1, 3, 8, 5])
a[i]
索引也可以是多维的
palette = np.array([[0, 0, 0], # black
[255, 0, 0], # red
[0, 255, 0], # green
[0, 0, 255], # blue
[255, 255, 255]]) # white
image = np.array([[0, 1, 2, 0], # each value corresponds to a color in the palette
[0, 3, 4, 0]])
palette[image]
可以两个索引都是多维的,但是形状要一样。
a = np.arange(12).reshape(3, 4)
i = np.array([[0, 1], # indices for the first dim of a
[1, 2]])
j = np.array([[2, 1], # indices for the second dim
[3, 3]])
a[i, j]
布尔值索引
a = np.arange(12).reshape(3, 4)
b = a > 4
b
a[b]
a[b] = 0
a
可以只指定一维的布尔值
a = np.arange(12).reshape(3,4)
b1 = np.array([False,True,True])
b2 = np.array([True,False,True,False])
a[b1]
a[:, b2]