Numpy有趣的知识点

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]