numpy学习系列2

1. tolist函数
   函数原型: ndarray.tolist()
   功能: Return the array as a list

1.1. tolist函数将一个numpy数组转换为一个list.

>>> a = np.array([1, 2])
>>> a
array([1, 2])
>>> a.tolist()
[1, 2]

Note:tolist()函数和list()函数的区别.

>>> a = np.array([[1, 2], [3, 4]])
>>> a.tolist()
[[1, 2], [3, 4]]
>>> list(a)
[array([1, 2]), array([3, 4])]

2. sort函数
   函数原型: ndarray.sort(axis=-1, kind=‘quicksort’, order=None)
   功能: Sort an array, in-place
   参数说明:

• axis: 要排序的轴(axis), 默认值为-1.
• kind: 具体的排序算法(‘quicksort’, ‘mergesort’, ‘heapsort’, ‘stable’)，默认值为’quicksort’
• order: 如果要比较的array数组的元素带有域的话, 这个参数用于指明首先比较哪个域， 然后再比较哪个域.
  示例1：

>>> a = np.array([[1, 4], [3, 1]])
>>> a
array([[1, 4],
       [3, 1]])
>>> a.sort()
>>> a
array([[1, 4],
       [1, 3]])

在介绍order参数的用法之前, 我们首先介绍一下结构化dtype的用法. 这里只介绍最常用的元组列表.
在结构化dtype中的元组通常定义为(field_name, field_data_type).

>>> dt = np.dtype([('x', np.float64), ('y', np.int16)])
>>> dt
dtype([('x', '<f8'), ('y', '<i2')])
>>> a = np.array([(1, 2), (3.0, 0)], dtype=dt)
>>> a
array([(1., 2), (3., 0)], dtype=[('x', '<f8'), ('y', '<i2')])

在上面介绍的array数组中有两个域名，一个为‘x’, 一个为’y’; 如果我们想按域名’y’来进行排序,

示例2:

>>> a.sort(order='y') 
>>> a
array([(3., 0), (1., 2)], dtype=[('x', '<f8'), ('y', '<i2')])

3. full函数
   函数原型: ndarray.full(shape, fill_value, dtype=None, order=‘C’)
   功能: Return a new array of given shape and type, filled with fill_value.
   参数说明:

• shape[int or sequence of ints] : 返回的新数组的形状
• fill_value[scalar]: 在新数组中填充的值
• dtype: 返回的新数组中元素的类型
• order: ‘C’ or ‘F’, 其中’C‘表示在内存存储中以行为主，’F‘表示在内存存储中以列为主.
  Note: 在内存存储中以行为主意味着在空间上，对于一个二维数组而言，每行中的数据项是被存放在相邻内存位置上的. 以列为主是类似的.
  示例1：

>>> a = np.full((4, 6), 2)
>>> a
array([[2, 2, 2, 2, 2, 2],
      [2, 2, 2, 2, 2, 2],
      [2, 2, 2, 2, 2, 2],
      [2, 2, 2, 2, 2, 2]])

示例2：

>>> a = np.full(3, 2)
>>> a
array([2, 2, 2])

4. max函数和maximum函数
   函数原型: numpy.max(a, axis=None, out=None, keepdims=False)
   功能: 返回ndarray数组某个轴上的最大值.
   函数原型: numpy.maximum(a, b, out=None)
   功能: 两个ndarray数组逐元素比较取其大者
   示例1：

>>> a = np.array([2, 3, 1, 8, 4])
>>> b = np.array([4, 5, 0, 9, 2])
>>> np.max(a)
8
>>> np.max(b)
9
>>> np.maximum(a, b)
array([4, 5, 1, 9, 4])

Note: 在使用maximum函数的时候，两个输入的数组的形状应该一致.
Note: min函数和minimum函数与此类似.