Numpy 的常用功能5

---

前言

一、 Numpy的常见功能 shape
二、 Numpy的常见功能 index
三、Numpy的逻辑索引功能

一、 Numpy的常见功能 shape

shape用于查看矩阵的大小形状

数组的形状可以定义为每个维度中元素的数量。维度是我们为了指定数组的单个元素所需要 的索引或下标的数量。

shape实操案例

import  numpy as np                                    
                                                       
arr1 = np.array([[1,2,3,4],[2,4,6,8]])                 
arr2 = np.array([[1,3,5,7],[2,4,6,8],[3,6,9,12]])      
print(arr1)                                            
print('当前数组是'+ str(arr1.ndim)+'维')                     
print(f'当前数组的尺寸是{ arr1.shape}的')                       
                                                       
print(arr2)                                            
print('当前数组是'+ str(arr2.ndim)+'维')                     
print(f'当前数组的尺寸是{ arr2.shape}的')                       
                                                       
print('*'*30)                                          
arr3 = np.array([1,3,5,7],ndmin = 6)                   
print(arr3)                                            
print('当前数组是'+ str(arr3.ndim)+'维')                     
print(f'当前数组的尺寸是{arr3.shape}的')                        

二、 Numpy的常见功能 index

1.NumPy或Numeric Python是用于在均匀n维数组上进行计算的软件包。在numpy中，尺寸 称为轴。
2.和列表中的索引类似，矩阵中的索引一样从0开始计数，最大尺寸为总数-1.
3.反向索引从-1开始，这一点和Python列表也很相似.
4.Slicing功能也和列表相似。只是扩展到更高维度.

index实操案例

import  numpy as np

list1 = [1,2,3,4,5,6]
list2 = [10,9,8,7,6,5]
a1 = np.array(list1)
a2 = np.array(list2)
print(a1*a2)                 #  乘法

print('*'*30)                # index功能
a = np.arange(10,1,-2)
print(a)
print(a[0])
print(a[np.array([4,2,0])])  

print('*'*30)                # slicing功能
a3 = np.arange(10)
print(a3)
print(a3[:7])
print(a3[4:])
print(a3[3:7])

print('*'*30)
a4 = np.array([[0,1,2],[3,4,5],[6,7,8]])
print(a4)
print(f'最中间的数据是{a4[1,1]}')               # 先行后列
print(f'最中间的两位数据是{a4[1,1:]}')
print(f'最下方的三位数据是{a4[2,:]}')
print(f'最下方的第一位和第三位数据是{a4[2,::2]}')  # 步长 

三、Numpy的逻辑索引功能

import  numpy as np
a = np.array([[1,-2,3],[4,-2,3]])
print(a.shape)
print(a.ndim)
print(a)
print(a[a<0])     # 破坏原有的结构  取出符合条件的数据
print(a[a<0]*2)   # 计算