numpy 拼接_Python笔记——Numpy 操作

Numpy. reshape 和 transpose 的顺序

links： numpy.reshape函数中参数order={'A','C','F'}，其中的A怎么解释？
1） Transpose通过单个数据的位置来理解，每个元素根据矩阵的索引会有一个位置，转置之后元素的位置会变成新的位置，比如一个元素开始的位置是 （1，5） ，转置之后就是（5，1）了，又或者之前的位置是（1，1，0，6） 转置的参数设置为（1，2，3，0）之后，该元素的位置变为 （1，0，6，1），矩阵整体的shape也会相应变化，假如之前是（2，2，7，7）， 转置之后就是（2，7，7，2）；

2） Reshape
C 是按照行顺序， F 是按照列顺序，A 就是按照数据在内存中存储的顺序来。
比如：

更一般的理解，应该是 C 顺序准确的含义是从最里面的轴开始读写，而F顺序则是从最外面的轴开始读写；'C' means to read / write the elements using C-like index order, with the last axisindex changing fastest, back to the first axis index changing slowest.'F' means to read / write the elements using Fortran-like index order,with the first index changing fastest, and the last index changingslowest.
以上面的二维数据 a(3,2) 举例就是，C顺序就是先读写最里面 2 这个轴的数据，也就是得到 0 ，1 ，2，3，4，5 这样的顺序，而F顺序则是从最外层 3 这个轴的数据开始读写，得到 0 2 4 1 3 5，多维数据以此类推。

Numpy 排序

lins：朱卫军：Numpy进阶之排序小技巧

1） numpy.sort

使用方法： numpy.sort(a, axis=-1, kind=None, order=None) 参数：

• a : 要排序的数组；
• axis ： 按什么轴进行排序，默认按最后一个轴进行排序；
• kind ：排序方法，默认是快速排序；
• order : 当数组定义了字段属性时，可以按照某个属性进行排序；

这个axis意思 不是 对某一个轴进行操作，这一个轴保持不变， 而是操作过后只有这一个轴变化， 这就是为什么axis=0，按照行操作时候，不是对某一行排序，而是对列排序，排序后每个数字的行变化了，列不变化

2）numpy.argsort函数用于将数组排序后，返回数组元素从小到大依次排序的所有元素索引。

使用方法（和sort类似）： numpy.argsort(a, axis=-1, kind=None, order=None) 参数：

• a : 要排序的数组；
• axis ： 按什么轴进行排序，默认按最后一个轴进行排序；
• kind ：排序方法，默认是快速排序；
• order : 当数组定义了字段属性时，可以按照某个属性进行排序

Numpy random 的用法

links：np.random用法

1）np.random.rand() --> 生成指定维度的的[0,1)范围之间的随机数，输入参数为维度

2）np.random.randn() --> 生成指定维度的服从标准正态分布的随机数，输入参数为维度

3）np.random.randint(low, high = None, size = None,dtype = 'l')--> 返回随机数或者随机数组成的array

4）np.random.random_integers(low,high = None,size = None)-->返回范围为[low,high] 闭区间 随机整数

5）np.random.random(size = (2,2))-->生成随机浮点数阵列

np.random.rand(2,2) 等价于 np.random.random(size = (2,2))

6）np.random.choice(a, size = None, replace = True, p = None)--> 从给定数组a中随机选择,p可以指定a中每个元素被选择的概率

Python中numpy数组的拼接、合并

links：Numpy中的数组拼接、合并操作（concatenate, append, stack, hstack, vstack, r_, c_等）

苦逼程序员：Python中numpy数组的拼接、合并

对于两个shape一样的二维array来说:

• 增加行（对行进行拼接）的方法有：

np.concatenate((ar1, ar2),axis=0)
np.append(ar1, ar2, axis=0)
np.vstack((ar1,ar2))
np.row_stack((ar1,ar2))
np.r_[ar1,ar2]

• 增加列（对列进行拼接）的方法有：

np.concatenate((ar1, ar2),axis=1)
np.append(ar1, ar2, axis=1)
np.hstack((ar1,ar2))
np.column_stack((ar1,ar2))
np.c_[ar1,ar2]