Numpy整理1

import numpy as np

"""
数组对象
numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
"""
# 创建数组对象
# 传入数据进行创建，数据类型为无符号八位整型
arr = np.array([1, 2, 3, 4], dtype=np.uint8)
# 传入数组进行创建
arr1 = np.array(arr)
# 创建二维数组,ndmin:数组的最小维度，数据维度不够自动拓展到对应的维度
arr2 = np.array([1, 2, 3, 4, 5, 6], ndmin=2)
arr3 = np.array([[1, 2, 3],
                 [4, 5, 6]])

import numpy as np

"""
数组的属性
"""
# ndim:秩（轴的数量或维度的数量）
arr = np.arange(10)
print(arr.ndim)
arr1 = arr.reshape(5, 2)
print(arr1.ndim)

# shape:数组的维度
print(arr.shape)
print(arr1.shape)

# size:数组元素的总个数
print(arr.size)

# dtype:数组中元素的类型
print(arr.dtype)

import numpy as np

"""
numpy.empty(shape, dtype = float, order = 'C')
"""
# 数组元素为随机值，未进行初始化
arr = np.empty([3, 4], dtype=int)
print(arr)

"""
numpy.zeros(shape, dtype = float, order = 'C')
"""
# 创建一个全0的数组
arr1 = np.zeros([2, 3], dtype=np.uint8)
print(arr1)

"""
numpy.ones(shape, dtype = None, order = 'C')
"""
# 创建一个全1的矩阵
arr2 = np.ones([3, 3], dtype=float)
print(arr2)

"""
numpy.zeros_like(a, dtype=None, order='K', subok=True, shape=None)

numpy.ones_like(a, dtype=None, order='K', subok=True, shape=None)
"""
# 创建一个与arr矩阵形状，数据类型相同的0矩阵和1矩阵
x = np.zeros_like(arr)
y = np.ones_like(arr)
print(x)
print(y)

"""
numpy.asarray(a, dtype = None, order = None)
注：a可以是任意形式的输入参数，比如列表, 列表的元组, 元组, 元组的元组, 元组的列表，多维数组
"""
# 将列表转换为数组
list1 = [[1, 2, 3], [4, 5, 6]]
arr_list = np.asarray(list1)
print(arr_list)

# 将元组转换为数组
tuple1 = (1, 2, 3, 4, 5, 6)
arr_tuple = np.asarray(tuple1)
print(arr_tuple)

"""
numpy.fromiter(iterable, dtype, count=-1)
iterable:可迭代对象
"""
list2 = [1, 2, 3]
arr3 = np.fromiter(list2, dtype=float)
print(arr3)

"""
numpy.arange(start, stop, step, dtype)
用法基本等同于range函数
dtype:如果没有规定数据类型，则使用数据的数据的类型
"""
arr4 = np.arange(10.0)
print(arr4)
arr4 = np.arange(1, 6)
print(arr4)
arr4 = np.arange(3, 12, 3)
print(arr4)

"""
np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
num：需要生成的等步长的样本数量，默认值为50
当endpoint的值为True时，范围包含终止值，为False时不包含
retstep为True时显示间距
"""
arr5 = np.linspace(1, 150, 100)
print(arr5)

import numpy as np

# 一维数组
# 通过下标进行索引
arr = np.linspace(1, 100)
print(arr)
# 使用：号进行切片
a1 = arr[1]
print(a1)
a2 = arr[:5]
print(a2)
a3 = arr[45:]
print(a3)
a4 = arr[5:45:5]
print(a4)
# 使用slice函数进行切片
a5 = arr[slice(5, 45, 5)]
print(a5)

# 多维数组索引
arr1 = arr.reshape(10, 5)
print("arr1:\n", arr1)
# 第一行元素
print("arr1[1]:\n", arr1[1])
# 第0，1行元素
print("arr1[:2]:\n", arr1[:2])
# 第三列元素
print("arr1[...,2]:\n", arr1[..., 2])

import numpy as np

"""
整数数组索引
"""
arr = np.arange(9).reshape(3, 3)
print(arr)
# 二维数组索引元素
# 获取元素的位置为（2，1），（1，0），（2，2）
print(arr[[2, 1, 2], [1, 0, 2]])

# 获取四个角的元素
r, c = arr.shape
print("四个角的元素为：\n", arr[[[0, 0], [c-1, c-1]], [[0, r-1], [0, r-1]]])

# 切片与索引数组混合使用
print("切片和数组索引混合使用：\n", arr[:2, [1, 2]])


"""
布尔索引
"""
# 将数组中大于5的元素置为True，反之置为False
print(arr > 5)
# 如果在对应布尔数组中的值为True，则返回对应元素
print(arr[arr > 5])


# 找出数组中的奇数
def func(x):
    return x % 2 == 1


print(arr[func(arr)])

"""
np.ix_:输入
"""
print("使用np.ix_:\n", arr[np.ix_([1, 0, 2], [2, 1, 0])])