Numpy - 知识点总结（三）

广播

广播是指numpy在算数运算期间处理不同形状的数组的能力，对数组的算数运算通常在相应的元素上进行。如果两个阵列具有完全相同的形状，则这些操作被无缝执行；

迭代

Numpy包包含一个迭代器对象numpy.nditer，它是一个有效的多维迭代器对象，可以用于在数组上进行迭代。数组的每一个元素可使用Python的标准接口iterator访问；

import numpy as np
arr1 = np.arange(0,12).reshape((4,3))
for i in np.nditer(arr1):
    print(i)

这里注意，是numpy包，而不是ndarray对象，基于ndarray对象的操作方法相对较少，后续讲解的，基本都是numpy的操作方法；

数组操作

reshape：不改变数据的条件下，改变数据的形状，与resize类似；

import numpy as np
arr1 = np.arange(0,12).reshape((4,3))
arr2 = arr1.reshape((3,4))
print(arr1)
print(arr2)

flat：数组上的一维迭代器#与nditer类似

import numpy as np
arr1 = np.arange(0,12).reshape((4,3))
for i in arr1.flat:
    print(i,end=' ')

flatten：返回迭代为一维的数组副本

import numpy as np
arr1 = np.arange(0,12).reshape((4,3))
print('arr1',arr1)
arr2 = arr1.flatten()
print(arr2)
print(arr1)

ravel：返回连续的展开数组

import numpy as np
arr1 = np.arange(0,12).reshape((4,3))
print('arr1',arr1)
arr2 = arr1.ravel()
print(arr2)
print(arr1)

transpose：翻转数组的维度

import numpy as np
arr1 = np.arange(0,12).reshape((4,3))
print('arr1',arr1)
arr2 = np.transpose(arr1)
print(arr2)
print(arr1)

ndarray.T或self.transpose：数组转秩

import numpy as np
arr1 = np.arange(0,12).reshape((4,3))
print('arr1',arr1)
arr2 = arr1.T
print(arr2)
print(arr1)

rollaxis:向后滚动指定的轴

import numpy as np
arr1 = np.arange(0,12).reshape((4,3))
print('arr1',arr1)
arr2 = np.rollaxis(arr1,axis=1)
print(arr2)
print(arr1)

注：如果理解这里向后滚动指定的轴，以上面arr1为例，arr1的维度为（4,3），为一个2维数组，一共就又两个轴，0轴和1轴，这里指定了向后滚动的轴为1轴，即为1轴的内容和0轴的内容交换，即二维数组的转秩；

swapaxes：互换数组的两个轴

import numpy as np
arr1 = np.arange(0,12).reshape((4,3))
print('arr1',arr1)
arr2 = np.swapaxes(arr1,axis1=0,axis2=1)
print(arr2)
print(arr1)

broadcast：产生模仿广播的对象

import numpy as np
a = [1,2,3]
b = ['a','b','c']
c = np.broadcast(a,b)
print(c.shape)
print(c)
for i in c:
    print(i)

broadcast_to：将数组广播到新形状（将数组广播成指定维度的数组）

import numpy as np
a = np.array([1,2,3,4])
c = np.broadcast_to(a,(2,4))
print('a using broadcast to :',c.shape)
print(c)
b = np.array([4,5,6,7]).reshape([2,2])
c = np.broadcast_to(b,(3,2,2))
print('b using broadcast to :',c.shape)
print(c)

expand_dims: 扩展数组的形状

import numpy as np
a = np.array([1,2,3,4])
b = np.expand_dims(a,axis=0)
c = np.expand_dims(a,axis=1)
print(a)
print(b)
print(c)

squeeze：从数组的形状中删除单维条目（只有在指定的轴axis上维度为1时，该方法才有效，否则会报错）

import numpy as np
a = np.array([1,2,3,4])
b = np.expand_dims(a,axis=0)
c = np.expand_dims(a,axis=1)
print(a)
print(b)
print(c)
d = np.expand_dims(b,axis=0)
b = d.squeeze(axis=0)
print(b)

concatenate：沿着现存的轴连接数据序列（需要理解现存的轴的意思，现存的轴，表示原数据仅有轴，一维的为0，二维的为0和1）

如果两个供连接的数组，在连接轴上的维度不一致，则无法连接且会报错ValueError，另外该方法接受的数据为元组，且不会改变数组的维数；

import numpy as np
a = np.array([1,2,3,4]).reshape(2,2)
b = np.array([5,6,7,8]).reshape(2,2)
c = np.concatenate((a,b),axis=1)
print(c)

stack：沿着新轴连接数组序列（会增加数组的维数）

import numpy as np
a = np.array([1,2,3,4])
b = np.array([5,6,7,8])
c = np.stack([a,b],axis=0)
print(c)
c = np.stack([a,b],axis=1)
print(c)

hstack：水平折叠序列中的数组（列方向）（拼接功能）

vstack：竖直折叠序列中的数组（行方向）（拼接功能）

import numpy as np
a = np.array([1,2,3,4])
b = np.array([5,6,7,8])
c = np.stack([a,b],axis=0)
print(c)
c = np.stack([a,b],axis=1)
print(c)
c = np.hstack((a,b))
print(c)
c = np.vstack((a,b))
print(c)

split：将一个数组分割成多个子数组（不会改变数组的维数）

指定分割成几个数组

import numpy as np
a = np.array([1,2,3,4,5,6,7,8,9])
b  = np.split(a,3)
print(b)
for i  in b:
    print(i)

指定分割数字

import numpy as np
a = np.array([1,2,3,4,5,6,7,8,9])
b  = np.split(a,3)
print(b)
for i  in b:
    print(i)
b  = np.split(a,[4,6])
print(b)

hsplit：将一个数组水平分割成多个子数组（按列）

vsplit：将一个数组竖直分割成多个子数组（按行）

import numpy as np
a = np.array([1,2,3,4,5,6,7,8,9]).reshape([3,3])
b = np.hsplit(a,3)
print(b)
for i in b:
    print(i)
b = np.vsplit(a,3)
for i in b:
    print(i)

resize：返回指定形状的新数组

import numpy as np
a = np.array([1,2,3,4,5,6,7,8,9]).reshape([3,3])
b = np.resize(a,[1,9])
print(b)

与reshape进行对比

import numpy as np
a = np.array([1,2,3,4,5,6,7,8,9]).reshape([3,3])
b = np.resize(a,[1,9])
print(b)
c = np.reshape(a,[1,9],order='F')
print(c)
c = np.reshape(a,[1,9],order='C')
print(c)

append：将值添加到数组的末尾

import numpy as np
a = np.array([1,2,3,4,5,6,7,8,9]).reshape([3,3])
b = [[2,3,4]]
c = np.append(a,b,axis=0)
print(c)

insert：沿指定轴将值插入到指定下标之前

如果不提供axis，则原数组会被展开，然后在提供的obj索引处插入值

import numpy as np
a = np.array([1,2,3,4,5,6,7,8,9]).reshape([3,3])
b = np.insert(a,9,[1,1,1])
print(b)

如果提供axis的话，按在object指定的axis轴上相应的位置处插入值

import numpy as np
a = np.array([1,2,3,4,5,6,7,8,9]).reshape([3,3])
b = np.insert(a,1,[1,1,1],axis=0)
print(b)
b = np.insert(a,1,[1,1,1],axis=1)
print(b)

delete：返回删掉某个轴的子数组的新数组

import numpy as np
a = np.array([1,2,3,4,5,6,7,8,9]).reshape([3,3])
b = np.delete(a,1,axis=1)
print(b)

unique：寻找数组内唯一元素；

import numpy as np
a = np.array([1,2,3,3,5,3,7,8,9]).reshape([3,3])
b = np.unique(a)
print(b)