NUmpy(二)

数组的广播：

如果两个数组的维数不相同，则元素到元素的操作是不可能的。 然而，在 NumPy 中仍然可以对形状不相似的数组进行操作，因为它拥有广播功能。 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。广播主要发生在两种情况，一种是两个数组的维数不相等，但是它们的后缘维度的轴长相符，另外一种是有一方的长度为1。

arr=np.array([[1,2,3],[1,2,3]])
arr1=np.array([6,6,6])
print(arr+arr1)
arr2=[5]
print(arr+arr2)

[[7 8 9]
 [7 8 9]]
[[6 7 8]
 [6 7 8]]
对切片的修改会作用到原数组上：

arr1=np.arange(10)
arr1_slice=arr1[5:8]
arr1_slice[1]=12
print(arr1)
arr1_slice[:] = 64#给切片中所有元素赋值
print (arr1)

[ 0  1  2  3  4  5 12  7  8  9]
[ 0  1  2  3  4 64 64 64  8  9]

注意：如果你想要得到的是ndarray切片的一份副本而非视图，就需要明确地进行复制操作，例如arr[5:8].copy()

访问二维数组，以下两种方式等价。

可以一次传入多个切片：

arr2D=np.array([[1,2,3],[4,5,6],[7,8,8]])
print(arr2D[:2, 1:])#前两行的第一列到最后一列

[[2 3]
 [5 6]]

布尔型索引：

arr=np.arange(10)
print(arr[arr>5])

[6 7 8 9]

尔型数组可用于数组索引:

data=np.random.randn(7,3)
print(data)
print(data[[True,False,True,False,False,False,True]])

[[ 1.33454576  1.61999709 -0.59579306]
 [-0.52248732 -0.69191544 -0.93783416]
 [-0.50489231 -1.04188384  1.41570801]
 [ 0.59800739 -1.21177047 -0.80801409]
 [-0.58668617 -1.14608395  1.21260938]
 [-0.02062519  0.01987195 -1.34360433]
 [ 1.97569796  0.19199827 -0.13092105]]
[[ 1.33454576  1.61999709 -0.59579306]
 [-0.50489231 -1.04188384  1.41570801]
 [ 1.97569796  0.19199827 -0.13092105]]

花式索引（Fancy indexing）指的是利用整数数组进行索引

花式索引跟切片不一样，它总是将数据复制到新数组中。