Numpy ---------（四）

reept

已于 2024-04-28 23:24:03 修改

阅读量21

点赞数

分类专栏： Numpy 文章标签：算法 numpy

于 2024-04-05 23:59:32 首次发布

原文链接：net.com

版权

11 篇文章 0 订阅

订阅专栏

对于数组，如果我们不考虑下标数组的情况，也就是：其下标仅仅为整数、或者切片，则有：

前面提到：多维数组的下标必须是一个长度和数组的维度 ndim 相等的元组。但是如果下标中包含None，则可以突破这一限制。每多一个None，则索引结构维度升 1 。

当数组的下标元组的长度小于等于数组的维度ndim时，元组中出现的None等价于切片:
当数组的下标元组的长度大于数组的维度ndim时，元组中哪里出现None，索引结果就在哪里创建一个新轴，该轴长度为 1。如c=a[0,:,None]，索引结果的维度为 (3,1)；而d=a[0,None,:]的索引结果维度为(1,3)。

4. 操作多维数组

numpy.concatenate((a1, a2, ...), axis=0)：连接多个数组。其中(a1,a2,...)为数组的序列，给出了待连接的数组，它们沿着axis指定的轴连接。

一轴方向是横向，一个为5元素，一个为4元素，

第二个concatenate ,是纵向方向，横向元素相同，但纵向，一个为2行，一个为3行。

第三个concatenate 因为1轴尺寸不等，所以在0轴方向上不能concatenate

numpy.vstack(tup):等价于numpy.concatenate((a1, a2, ...), axis=0)。沿着 0 轴拼接数组
- 沿0轴拼接（垂直拼接），增加行
numpy.hstack(tup):等价于numpy.concatenate((a1, a2, ...), axis=1)。沿着 1 轴拼接数组
- 沿1轴拼接（水平拼接），增加列
numpy.column_stack(tup)：类似于hstack，但是如果被拼接的数组是一维的，则将其形状修改为二维的(N,1)。
- 沿列方向拼接，增加列
numpy.c_对象的[]方法也可以用于按列连接数组。但是如果被拼接的数组是一维的，则将其形状修改为二维的(N,1)。
沿列方向拼接，增加列

numpy.split(ary, indices_or_sections, axis=0)用于沿着指定的轴拆分数组ary。indices_or_sections指定了拆分点：

如果为整数N，则表示平均拆分成N份。如果不能平均拆分，则报错
如果为序列，则该序列指定了划分区间（无需指定最开始的0起点和终点）。如[1,3]指定了区间：[0,1],[1,3],[3:]
而numpy.array_split(ary, indices_or_sections, axis=0)的作用也是类似。唯一的区别在于：当indices_or_sections为整数，且无法平均拆分时，并不报错，而是尽可能的维持平均拆分。

numpy.transpose(a, axes=None)：重置轴序。如果axes=None，则默认重置为逆序的轴序（如原来的shape=(1,2,3)，逆序之后为(3,2,1)）。如果axes!=None，则要给出重置后的轴序。它获得的是原数组的视图。

numpy.swapaxes(a, axis1, axis2)：交换指定的两个轴axis1/axis2。它获得是原数组的视图。

当打印ndarray时，numpy按照Python的嵌套list的格式打印输出，但是按照以下顺序打印：

如：一维的ndarray按行打印；二维的ndarray按照矩阵打印；三维的ndarray按照矩阵的list打印

如果ndarray太大，那么numpy默认跳过中间部分的数据而只是输出四个角落的数据。
- 最底层的axis按照从左到右的顺序输出
- 次底层的axis按照从上到下的顺序输出
- 其他层的axis也是按照从上到下的顺序输出，但是每个slice中间间隔一条空行
要想任何时候都打印全部数据，可以在print(array)之前设置选项numpy.set_printoptions(threshold='nan')。这样后续的打印ndarray就不会省略中间数据。

在numpy中，有几个特殊的数：
- numpy.nan表示NaN（Not a Number），它并不等价于numpy.inf（无穷大）。
- numpy.inf：正无穷
- numpy.PINF：正无穷（它就引用的是numpy.inf）
- numpy.NINF：负无穷
numpy.isnan(x[,out])：返回x是否是个NaN，其中x可以是标量，可以是数组。numpy.isfinite(x[, out])：返回x是否是个有限大小的数，其中x可以是标量，可以是数组。
numpy.isfinite(np.nan)返回False，因为NaN首先就不是一个数。 numpy.isposinf(x[, out])：返回x是否是个正无穷大的数，其中x可以是标量，可以是数组 numpy.isposinf(np.nan)返回False，因为NaN首先就不是一个数 numpy.isneginf(x[, out])：返回x是否是个负无穷大的数，其中x可以是标量，可以是数组numpy.isneginf(np.nan)返回False，因为NaN首先就不是一个数 numpy.isinf(x[, out])：返回x是否是个无穷大的数，其中x可以是标量，可以是数组numpy.isinf(np.nan)返回False，因为NaN首先就不是一个数。
下列函数用于对这几个特殊的数进行转换：
numpy.nan_to_num(x)：将数组x中的下列数字替换掉，返回替换掉之后的新数组：负无穷：替换为一个非常小的数字。正无穷：替换为一个非常大的数字。 NaN：替换为0 。