Numpy1·（数组的生成、判断、转换、索引（取出符合条件的数值）、切片）

导入
import numpy as np


数组生成

1·直接生成  使用字典，列表，元组及其嵌套
a=np.array([1,2,3,4],dtype=np.float64)   #可以指定类型，也可以不指定，不指定就生成给定的数据
b=np.array([[1,2,3,4],[5,6,7,8]])

2·使用函数
np.arange(n)        类似range()函数，返回ndarray类型，元素从0到n‐1
np.ones(shape)      根据shape生成一个全1数组，shape是元组类型
np.zeros(shape)     根据shape生成一个全0数组，shape是元组类型
np.full(shape,val)  根据shape生成一个数组，每个元素值都是valnp.eye(n) 创建一个正方的n*n单位矩阵，对角线为1，其余为0
np.ones_like(a)     根据数组a的形状生成一个全1数组
np.zeros_like(a)    根据数组a的形状生成一个全0数组
np.full_like(a,val) 根据数组a的形状生成一个数组，每个元素值都是val
np.linspace()       根据起止数据等间距地填充数据，形成数组
np.concatenate()    将两个或多个数组合并成一个新的数组


数组判断

数组大小
np.size(b)----------->  8
形状
np.shape(b)---------->(2,4)
b.shape
维度
b.ndim--------------->2维
数据类型
b.dtype ------------->int32（32位长度的整数，取值：[‐2**31,（2**31）‐1]）
元素大小（字节）
b.itemsize----------->4



转换
高维度便于展示，不利于计算，可以使用函数进行转换后在计算

.reshape(shape) 不改变数组元素，返回一个shape形状的数组，原数组不变（（））括号内传递元组

一维数组的转换
print(np.shape(cat))----->(722, 900, 3)--->cat是一张图片
cat2=cat.reshape((722*900*3))
cat3=cat.reshape((-1))#传递进去负数也可以使得数组变为一维数组

.resize(shape)与.reshape()功能一致，但修改原数组
.swapaxes(ax1,ax2) 将数组n个维度中两个维度进行调换
.flatten() 对数组进行降维，返回折叠后的一维数组，原数组不变
数据类型转换
c=b.astype(np.float16)---->(new_type)
数组的维度变换
a= np.ones((2,3,4), dtype=np.int32)
数组向列表的转换
ls= a.tolist()
数字字符串的转换
d=np.array(['12'])
e=d.astype(np.float64)



索引

一维
a=np.array([1,2,3,47,5])
print(a[2])----->3
a[2]------>下标为2的元素

argwhere（）返回索引下标
取出符合条件的数值
index=np.argwhere(cat1<10)
cat1[index]

多维
c=np.arange(24).reshape((2,3,4))
print(c[1,2,2])------------>22
c[1,2,2]------->一维，第二行，第二列（先行后列）



切片

一维
print(a[1:3:2])------------------>[2]
a[1:3:2]--->元素下标1到下标3，步长为2
多维
print(c[:,1:3,:])
c[:,1:3,:]------>行全选，列选1到3，步长为0

np.split()
x = np.arange(24).reshape(4,6)
y=np.split(x,2,axis=1)--->竖着切x，切两刀
默认横着切，axis=1竖着切