numpy作业

1.数组拆分

##垂直拆分：numpy.vsplit(数组，份数)->(数组片段)
numpy.anange(起点，终点).reshape()
arange()用于生成一维数组
reshape()将一维数组转换为多维数组

import numpy as np
c = np.arange(1,13).reshape(6,2)

c

array([[ 1,  2],
       [ 3,  4],
       [ 5,  6],
       [ 7,  8],
       [ 9, 10],
       [11, 12]])

np.vsplit(数组，份数)

np.vsplit(c,3)

[array([[1, 2],
        [3, 4]]),
 array([[5, 6],
        [7, 8]]),
 array([[ 9, 10],
        [11, 12]])]

##水平拆分：numpy.hsplit(数组，份数)->(数组片段)

d = c.T

d是c的转置

d

array([[ 1,  3,  5,  7,  9, 11],
       [ 2,  4,  6,  8, 10, 12]])

np.hsplit(d,3)

[array([[1, 3],
        [2, 4]]),
 array([[5, 7],
        [6, 8]]),
 array([[ 9, 11],
        [10, 12]])]

numpy.dsplit(数组，份数)->(数组片段)

a = np.array([[1],[2],[3]])
b = np.array([[4],[5],[6]])

a

array([[1],
       [2],
       [3]])

b

array([[4],
       [5],
       [6]])

e=np.dstack((a,b))

e

array([[[1, 4]],

       [[2, 5]],

       [[3, 6]]])

np.dsplit(e,2)

[array([[[1]],
 
        [[2]],
 
        [[3]]]),
 array([[[4]],
 
        [[5]],
 
        [[6]]])]

numpy基本加减和取行操作

import numpy as numpy
a=np.array([1,1,1,1])
b=np.array([[1],[1],[1],[1]])
a+b#python的广播机制

array([[2, 2, 2, 2],
       [2, 2, 2, 2],
       [2, 2, 2, 2],
       [2, 2, 2, 2]])

c=np.array([1,1,1,1])

c

array([1, 1, 1, 1])

c+b

array([[2, 2, 2, 2],
       [2, 2, 2, 2],
       [2, 2, 2, 2],
       [2, 2, 2, 2]])

W=np.array([[1,1,1],[2,2,2]])

W

array([[1, 1, 1],
       [2, 2, 2]])

W[0]#取得是W第零行，返回的也是一维数组

array([1, 1, 1])

W[1]

array([2, 2, 2])

W[:,1]#W[:,1]虽然取得是W的第一列，但是返回的确实一维数组

array([1, 2])

W[:,1]=np.array([5,5])

W    # 这里用array[5,5]这样的一维数组直接可以把W矩阵的第1列替换(维度符合即可)

array([[1, 5, 1],
       [2, 5, 2]])

矩阵删除、插入、尾部添加操作（delete，insert，append）

numpy矩阵操作主要有delete()、insert()、append()等函数，分别执行删除、插入和添加的操作，注意append可以看为insert函数的特殊情况，即在尾部补充可以看为插入最后一行或列，这在后文会举例说明。

delete(函数)

numpy.delete(arr,obj,axis=None)

axis 表明哪个维度的向量应该被移除
axis 如果为None，则需要先将矩阵拉平，在删去第obj的元素
obj 表明axis维度的哪一行(或列)应该被移除。

import numpy as np
matrix = [
[1,2,3,4],
[5,6,7,8],
[9,10,11,12]
]

p1 = np.delete(matrix,1,0)# 第0维度(行)第1行被删除(初始行为0行)
print(p1)

[[ 1  2  3  4]
 [ 9 10 11 12]]

p2 = np.delete(matrix, 1, 1) # 第1维度(列)第1行被删除
print(p2)

[[ 1  3  4]
 [ 5  7  8]
 [ 9 11 12]]

p3 = np.delete(matrix, 1) # 拉平后删除第1个元素(初始为第0个)
print(p3)

[ 1  3  4  5  6  7  8  9 10 11 12]

p4 = np.delete(matrix,[0,1],1)
print(p4)

[[ 3  4]
 [ 7  8]
 [11 12]]

insert()函数

numpy.insert(arr,obj,value,axis=None)

#value 为插入的数值
#arr 为目标向量
#obj 为目标向量的axis维度的目标位置
#axis 为想要插入的维

import numpy as np
matrix = [
[1,2,3,4],
[5,6,7,8],
[9,10,11,12]
]

q1 = np.insert(matrix, 1, [1,1,1,1], 0) # 第0维度(行)第1行添加[1,1,1,1]
print(p1)

[[ 1  2  3  4]
 [ 9 10 11 12]]

q2 = np.insert(matrix, 0, [1,1,1], 1) # 第1维度(列)第0列添加1,1,1
print(q2)

[[ 1  1  2  3  4]
 [ 1  5  6  7  8]
 [ 1  9 10 11 12]]

q3 = np.insert(matrix, 3, [1,1,1,