Python学习：NumPy笔记

用NumPy可以干什么？
对一种数据类型为numpy.ndarray的数组进行数据操作（？存疑）
数组是什么？
可以类比为数列,一个数组只能由一种数据类型组成；数组里的每一个数据都称为这个数组的一个元素；一个数组里的元素可以是多个数组,这样的数组称为多维数组。
另外,关于二维数组:
好像在二维数组中,一个元素就是一行（？存疑）

NumPy数组索引方法（注意数组顺序是从0开始）:
以下是教材上总结的描述:
一维数组索引（name为数组的名字）:
name[1]#访问第1个元素
name[[0,1,3]]#访问第0,1,3个元素
name[0:3]#访问0,1,2个元素（不包括第三个）
二维数组索引:
name[1,2]和name[1][2]#访问第一行第二个元素
name[1,1:3]#访问第1行第1～2个元素
name[1]#访问第1行所有元素
name[:1]#访问第一列所有元素
name[1:3,1:4]#访问第1～2行,1～3列的所有元素
name[[0,1,2],[3,2,1]]#访问第0行第1个,第1行第2个,第2行第1个数据
name[[2,0]]#访问第2行和第0行的数据
name[:,[1,3]]#访问第1列和第3列的数据

但是,对于教材上二维数组的描述,因为二维数组中一个子数组就是一个元素,一个子数组就是一行（？存疑）,所以可以把二维数组索引的文子描述进行一些改进,方便理解（个人感觉这样好理解,本质上无区别）:

name[1,2]和name[1][2]#访问第一个子数组的第二个元素
name[1,1:3]#访问第1个子数组的第1～2个元素
name[1]#访问第1个子数组所有元素
name[:1]#访问所有子数组的第一个元素
name[1:3,1:4]#访问第1～2个子数组的第1～3个元素
name[[0,1,2],[3,2,1]]#访问第0个子数组的第1个,第1个数组的第2个,第2个子数组的第1个数据
name[[2,0]]#访问第2个子数组和第0个子数组的
name[:,[1,3]]#访问所有子数组的第1个和第3个的数据

另外，数组的布尔索引:看书本时感觉很好理解,但又不知道怎么写出来

NumPy数组的运算

1、数组与单个数据的运算:
就是数组里的每个元素都跟这个数据进行一次计算：

import numpy as np
... a=np.arange(4)
... print("a=",a)
... print(a+1)
a= [0 1 2 3]
[1 2 3 4]

2、数组与数组的运算:
①、数组形状相同时:
两个数组中,坐标相同的元素进行计算：

a= [0 1 2 3]
[5 6 7 8]
[ 5  7  9 11]
import numpy as np
... a=np.arange(4)
... print("a=",a)
... b=np.arange(5,9)
... print("b=",b)
... print(a+b)
... 
a= [0 1 2 3]
b= [5 6 7 8]
[ 5  7  9 11]

②、数组形状不同时:
按照广播规则进行计算
如何理解广播规则:
可以把数组抽象成一个个矩形，当两个矩形要做运算，但矩形的形状不能完全重合时，就把矩形缺失的地方用复制粘贴的方法补齐，使得两个矩形完全重合，得以进行计算，如下图所示：

但是，要进行广播规则运算也是要满足其条件的：
只有当两个矩形不相同的两条边里的其中一条边的长度为1的时候，才会沿着这条边，把其他方向的值复制：

import numpy as np
... a=np.arange(8).reshape(2,4)
... print("a=",a)
... b=np.arange(16).reshape(4,4)
... print("b=",b)
... print(a+b)
Traceback (most recent call last