Python二维数组操作的小Tips

Python二维数组操作的小Tips

前言

众所周知，利用MATLAB对矩阵，数组进行操作以及数值计算是非常方便的。然而，随着Mathworks对于国内高校，企业进行的限制(窝工被禁了MATLAB 555)，很多同学转而使用Python作为MATLAB的代替品，Python虽然强大但是有些东西与MATLAB还是相差较大。尤其是对于工科的同学们来说，刚刚从MATLAB转向Python或许会有诸多的不习惯，本文就从其中一点——二维数组的操作入手，给出了一些小Tips，可以为大家节省一些试错的时间。Ps：本文并不是探寻Python二维数组的底层实现，或者实现方法，亦或对编程语句的探讨，仅仅是为一些从MATLAB转到Python的同学提出一些注意事项。

二维数组的创建

Python为我们提供了多种多样的数组创建方式，除了直接从文件中导入以外，其中最直观、常用的两种如下面的代码所示。我们可以用定义list的方式直接定义一个二维数组，也可以使用Numpy中的array函数定义二维数组。

// 二维数组创建
import numpy as np

group1=[[1,2,3],[4,5,6]]
group2=np.array([[1,2,3],[4,5,6]])
print(group1)
print(group2)

需要注意的是，二者打印的结果不尽相同。

//group1打印结果
[[1, 2, 3], [4, 5, 6]]
//group2打印结果
[[1 2 3]
 [4 5 6]]

虽然在此打印页面看起来两个数组不一样，但是其对于行和列的描述是完全相同的。也就是说我们都可以单独操作某一行，某一列或者某一个元素。
例如：

print(group1[1])
print(group2[1])

会得到如下结果。

[4, 5, 6]
[4 5 6]

而

print(group1[1][0])
print(group2[1][0])

当然会得到

4
4

对于习惯MATLAB的工科同学们来说，需要注意的是Python中采用独立的"[ ]"而非（）来表示元素的索引。

求二维数组最大/小值

以求最大值为例，MATLAB与Python一样，都使用了max作为关键字，那么这两种二维数组的计算最大值的结果是否一样呢？

print(max(group1))
print(max(group2))

当我们运行上面的代码会发现结果为

[4, 5, 6]

Traceback (most recent call last):
  File "D:/Python/pyprojects/ex2.py", line 6, in <module>
    print(max(group2))
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

group1的计算结果与MATLAB一样给出了每一列的最大值，这样我们只需要按照MATLAB中常用的

max(max(group1))

即可得到整个数组中的最大值。
但是对于利用Numpy库创建的数组却在计算最大值时报错。为了解决这一问题，我们可以采用如下代码计算group2的最大值

print(np.max(group2))

其运行结果为

6

可以看到，我们直接得到了矩阵的最大值。之所以两个group的结果不一样是因为：
Python中的list是python的内置数据类型，list中的数据类不必相同的。
在list中的数据类型保存的是数据所存放的地址，简单的说就是指针，并非数据。
而Numpy中的array所存放的数据类型必须全部相同。
因此，在求最大最小值的时候，我们可以简记为Numpy数组必须用Numpy操作。

二维数组求和

对于数组求和，我们可以分为求数组内元素和与数组之间相加，其中，数组之间相加是较为简单的。
以如下代码为例

import numpy as np

group1=[[1,2,3],[4,5,6]]
group2=np.array([[1,2,3],[4,5,6]])
group3=np.array([[1,2,3],[4,5,6]])
group4=[[1,2,3],[4,5,6]]
print(group1+group2)
print(group2+group3)
print(group1+group4)

其运行结果为：

//group1+group2
[[ 2  4  6]
 [ 8 10 12]]
//group2+group3
[[ 2  4  6]
 [ 8 10 12]]
//group1+group4
[[1, 2, 3], [4, 5, 6], [1, 2, 3], [4, 5, 6]]

可以看到，除了group1+group4遵循Python中列表相加的规则以外，其余结果均一样。而对于list中相应元素相加则有许多方式可以实现，在实际操作中，尤其是工科数据处理中还是建议使用Numpy array形式创建数组。
对于数组内部求和，Python依然使用了与MATLAB中一样的关键字sum，以如下代码为例

import numpy as np

group1=[[1,2,3],[4,5,6]]
group2=np.array([[1,2,3],[4,5,6]])
print(sum(group2))
print(sum(group1))
//注意打印顺序是先打印 group2

其运行结果为：

//group2结果
[5 7 9]
//group1结果
Traceback (most recent call last):
  File "D:/Python/pyprojects/ex2.py", line 6, in <module>
    print(sum(group1))
TypeError: unsupported operand type(s) for +: 'int' and 'list'

可以看到group2的计算结果是每一列元素的和，而group1在求和操作中报错，报错原因是int类型与list类型不能相加。为了解决这个问题，我们修改代码为如下形式。

import numpy as np

group1=[[1,2,3],[4,5,6]]
group2=np.array([[1,2,3],[4,5,6]])
print(sum(group2))
print(np.sum(group1))

其运行结果为：

[5 7 9]
21

我们可以理解为，对group1我们采用Numpy库中的求和方法，而为了计算group2的总和我们也只需要把sum改为np.sum即可。

参考文献

https://blog.csdn.net/CatStarXcode/article/details/79039891
https://www.cnblogs.com/nxf-rabbit75/p/9997931.html