列表切片语法:
l = [1,2,3,4,5,6]
List1=[1,2,3]
:列表是动态指针数组,它保存的是对象的指针,其元素可以是任意类型的对象。比如要保存上述的List1
,需要3个指针和3个整数对象,浪费内存和计算时间。
array
模块中的array函数不支持多维数组,且函数功能不丰富?
NumPy中的N维数组ndarray
- NumPy中基本的数据结构
- 所有元素是同一种类型
- 别名array(数组)
- 节省内存,提高CPU计算时间
- 有丰富的函数
注:NumPy的思维模式是面向多维数组。
numpy.ndarray()
是其构造函数,生成一个ndarray
对象,有若干个属性。
创建ndarray
:使用np.array([1,2,3,4])
函数,从常规的python列表或者元组中创建数组,元素的类型由原序列中的元素类型确定。
也就是说:np.ndarray()是构造函数,np.array()是成员函数。
numpy索引多维数组时,a[1][1][1]代表Python内置List的访问方式;a[1,1,1]代表numpy的访问方式;a[1:2,3:4,5:6]代表多维数组的切片,得到的还是一个ndarray;对于维数超过 3 的多维数组,还可以通过 ‘…’ 来简化操作。
print arr[1,…] # 等价于 arr[1, :, :]
print arr[…,1] # 等价于 arr[:, :, 1]
00000000000000000000000000000000000000000000000000000000
arr = np.array([
[1, 2, 3, 4],
[2, 4, 6, 8],
[3, 6, 9, 12],
[4, 8, 12, 16] ])
print arr[[0, 2], [3, 1]]
结果是:[4 6] #注意对相应关系,序列的长度和多维数组的维数要一致;序列中每个数组的长度要一致
numpy切片得到的是原多维数组的一个视图(view) ,修改切片中的内容会导致原多维数组的内容也发生变化
numpy切片得到在多维数组中连续(或按特定步长连续)排列的值,而索引可以得到任意位置的值,自由度更大一些
广播是指 NumPy 在算术运算期间处理不同形状的数组的能力。 对数组的算术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。较小的数组会广播到较大数组的大小,以便使它们的形状可兼容。
使用简单的赋值操作不会生成新列表,如b = a,则a,b同时指向相同的对象列表;
使用 a[:]或list(a)或a*1或copy.copy(a)
四种方式复制列表结果都可以得到一个新的列表,但是如果列表中含有列表,所有b, c, d, e四个新列表的子列表都是指引到同一个对象上,也就是浅拷贝
。只有使用copy.deepcopy(a)
方法得到的新列表,才是包括子列表在内的完全复制,可使用id()函数验证。
np.array()和np.asarray()的区别:当是ndarray时,asarray是不复制原数据的;如果是普通的list,两个都会复制。