02 numpy数组的计算

注：reshape 方法具有返回值，不会改变原有数据

import numpy as np

t1 = np.arange(12)
# [ 0  1  2  3  4  5  6  7  8  9 10 11]
t1.shape
# 输出(12,)，表示 t1 是一个一维数组

t2 = t1.reshape((3, 4))
# [[ 0  1  2  3]
#  [ 4  5  6  7]
#  [ 8  9 10 11]]
t2.shape
# (3, 4)，表示 t2 是一个二维数组

t3 = np.arange(24).reshape(2, 2, 6)
# [[[ 0  1  2  3  4  5]
#   [ 6  7  8  9 10 11]]
#
#  [[12 13 14 15 16 17]
#   [18 19 20 21 22 23]]]
t3.shape
# (2, 2, 6)，表示 t3 是一个三维数组

# 使用 reshape 和 shape 将一个高维度数组转换为一维数组
# t3.shape[0]*t3.shape[1]，长乘宽，求出数据个数
t4 = t3.reshape((t3.shape[0]*t3.shape[1]*t3.shape[2],))
# [ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]
t4.shape
# (24,), 表示 t4 是一个一维数组

# 与 t4 相同的 numpy 自带的方法, flatten ,将一个多维数组展开成一个一维数组
t5 = t3.flatten()
# [ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]
t5.shape
# (24,), 表示 t5 是一个一维数组

# 数组与一个数进行直接计算时，会将数组中的值全部进行相应计算
t6 = t1 + 2
# [ 2  3  4  5  6  7  8  9 10 11 12 13]
t7 = t1 / 2
# [0.  0.5 1.  1.5 2.  2.5 3.  3.5 4.  4.5 5.  5.5]

# 数组的计算，如果 行 或 列 有相同的个数。那么可以进行计算
# 一维数组 与 一维数组 计算
t8 = np.arange(5)
# [0 1 2 3 4]
t9 = np.arange(5, 10)
# [5 6 7 8 9]

# 一维数组 与 多维数组计算
t10 = np.arange(10).reshape(2, 5)
# [[0 1 2 3 4]
#  [5 6 7 8 9]]
# t9与t10,他们的形状相同，进行列的计算
t10 = t9 + t10
# [[ 5  7  9 11 13]
#  [10 12 14 16 18]]