numpy的学习-02

序列

副本与视图

• np.ndarray.copy()会对数据创建一个副本，直接的赋值语句不会创建副本，会实现共享。

切片

切片索引[start:stop:step]，其中start省略，则取0，stop省略则取数组的最大索引值，step省略，则取1。若start/stop为负数（-2），则表示倒数第几（2）个。若step为负数，则表示逆向切片。
比如：x[0::2, 1::3] ，0::2表示对行切片，1::3表示对列切片

索引…的含义

• …替代许多：：：构建完整的索引列表
  eg:x为3维数组，x[…,1]=x[：：,1]

整数数组索引

• 获取数据元素或进行元素修改：
  二维数组中：x[2][1]=x[2,1]

• 传入多个索引值时可获取多个元素值。
  eg:x为一维数组，r=[0,2,-2] x[r]表示获取x数组的第一个，第三个和倒数第二个元素。
  eg:x为二维数组，r=[0,1,2] c=[1,2,3]
  x[r,c]表示取三个元素x[0,1] x[1,2] x[2,3]

import numpy as np
x=np.array([1,2,3,4,5,6,7,8])
r=np.array([[0,1],[3,4]])
print(x[r])
#[[1 2]
 #[4 5]]      r是二维数组，表示获取x数组的0，1，3，4号元素值
 *由于r为二维数组，x[r]的维数就是>=2，而x[0]/x[1]/x[3]/x[4]为整数值，是数组的元素，故 得到的数组维数为2*

import numpy as np
x=np.array([[1,2,3,4,5],
           [6,7,8,9,10],
           [11,12,13,14,15],
           [16,17,18,19,20],
           [21,22,23,24,25]
           ])
r=np.array([[0,1],[3,4]])
print(x[r])
#[[[ 1  2  3  4  5]
# [ 6  7  8  9 10]]
#
# [[16 17 18 19 20]
#  [21 22 23 24 25]]]
*r是二维数组，故x[r]的维数就是>=2，而x[0]/x[1]/x[3]/x[4]是一维数组，故 得到的数组维数为2+1=3，x[r]就是三维数组（2*2*5）*

r=np.array([[0,1],[3,4]])  #行索引
c=np.array([[0,1],[3,4]])  #列索引
print(x[r,c])
#[[ 1  7]
 #[19 25]]
 *r,c都是二维数组，故x[r,c]的维数>=2，而x[0][0],x[1][1],x[3][3],x[4][4]是元素值，故x[r,c]的维数是2维*

[r,c]可以为切片和数组的混合，进行数组的切片提取

x[0:3,[1,2,2]] #x为二维数组时表示取第0/1/2行的第1/2/2个元素

• np. take(arrayname,indices{r/[r,c]})表示对数组元素的提取。
  -注意：切片索引生成的是原数组的子数组，共享。而整数数组索引是形成新数组。

布尔索引

• 使用布尔数组来索引目标数组
  eg:x[x>5]，其中，x>5会生成一个布尔数组，然后根据布尔值为真来取数组元素。

import numpy as np
x = np.array([np.nan, 1, 2, np.nan, 3, 4, 5])
y = np.logical_not(np.isnan(x))  #np.logical_not表示取反   
print(x)
print(y)
print(x[y])
#[nan  1.  2. nan  3.  4.  5.]
#[False  True  True False  True  True  True]
#[1. 2. 3. 4. 5.]        

数组迭代

np.apply_along_axis(func1d, axis, arrayname)
axis=0时，表示竖着对元素使用func1d函数
axis=1时，表示横着对元素使用func1d函数

群里组长言：索引会降低维度，切片不会！