Python 之NumPy

sfyhip

>>> a = np.floor(10*np.random.random((3,4)))　　
>>> a
　　
array([[ 2.,  8.,  0.,  6.], [ 4.,  5.,  1.,  1.],[ 8.,  9.,  3.,  6.]])
　　
>>> a.shape
　　
(3, 4)
　　
>>> a.ravel() #扁平话处理，及只有一个维度
　　
array([ 2.,  8.,  0.,  6.,  4.,  5.,  1.,  1.,  8.,  9.,  3.,  6.])
　　
>>> a.reshape(6,2) #改变形状为6行2列形式
　　
array([[ 2.,  8.],
　　
       [ 0.,  6.],
　　
       [ 4.,  5.],
　　
       [ 1.,  1.],
　　
       [ 8.,  9.],
　　
       [ 3.,  6.]])
　　
>>> a.T #换位，即行变成列，列变成行
　　
array([[ 2.,  4.,  8.],
　　
       [ 8.,  5.,  9.],
　　
       [ 0.,  1.,  3.],
　　
       [ 6.,  1.,  6.]])
　　
>>> a.T.shape
　　
(4, 3)
　　
>>> a.shape
　　
(3, 4)
　　
reshape改变了数组的形状，新生乘了一个数组，但是resize改变个数组的形状，改变的是自身的数据
　　
>>> a
　　
array([[ 2.,  8.,  0.,  6.],       [ 4.,  5.,  1.,  1.],       [ 8.,  9.,  3.,  6.]])
　　
>>> a.resize((2,6))
　　
>>> a
　　
array([[ 2.,  8.,  0.,  6.,  4.,  5.],       [ 1.,  1.,  8.,  9.,  3.,  6.]])
　　
合并数组：横向合并和纵向合并
　　
>>> a = np.floor(10*np.random.random((2,2)))
　　
>>> a
　　
array([[ 8.,  8.],       [ 0.,  0.]])
　　
>>> b = np.floor(10*np.random.random((2,2)))
　　
>>> b
　　
array([[ 1.,  8.],       [ 0.,  4.]])
　　
>>> np.vstack((a,b)) #纵向合并
　　
array([[ 8.,  8.],       [ 0.,  0.],       [ 1.,  8.],       [ 0.,  4.]])
　　
>>> np.hstack((a,b)) #横向合并
　　
array([[ 8.,  8.,  1.,  8.],       [ 0.,  0.,  0.,  4.]])
　　

　　

　　

　　

　　
column_stack合并数组，值合并第一维度
　　
>>> from numpy import newaxis
　　
>>> np.column_stack((a,b))   # With 2D arrays
　　
array([[ 8.,  8.,  1.,  8.],       [ 0.,  0.,  0.,  4.]])
　　

　　
>>> a = np.array([4.,2.])
　　
>>> b = np.array([2.,8.])
　　
>>> a[:,newaxis]  # This allows to have a 2D columns vector
　　
array([[ 4.],       [ 2.]])
　　

　　
>>> np.column_stack((a[:,newaxis],b[:,newaxis])) #合并2维数组
　　
array([[ 4.,  2.],       [ 2.,  8.]])
　　

　　
>>> np.vstack((a[:,newaxis],b[:,newaxis]))
　　
array([[ 4.],
　　
       [ 2.],
　　
       [ 2.],
　　
       [ 8.]])
　　
hsplit水平方向切割数组
　　
>>> a = np.floor(10*np.random.random((2,12)))
　　
>>> a
　　
array([[ 9.,  5.,  6.,  3.,  6.,  8.,  0.,  7.,  9.,  7.,  2.,  7.],
　　
       [ 1.,  4.,  9.,  2.,  2.,  1.,  0.,  6.,  2.,  2.,  4.,  0.]])
　　
>>> np.hsplit(a,3)   # Split a into 3 切割成3个数组
　　
[array([[ 9.,  5.,  6.,  3.],
　　
       [ 1.,  4.,  9.,  2.]]),
　　
       array([[ 6.,  8.,  0.,  7.],
　　
       [ 2.,  1.,  0.,  6.]]),
　　
       array([[ 9.,  7.,  2.,  7.],
　　
       [ 2.,  2.,  4.,  0.]])]
　　
array_split可以自定义切割的水平方向哈市垂直方向
　　
>>> x = np.arange(8.0)
　　
>>> np.array_split(x, 3) #array_split(ary, indices_or_sections, axis=0)
　　
    [array([ 0.,  1.,  2.]), array([ 3.,  4.,  5.]), array([ 6.,  7.])]
　　

　　
复制
　　
简单的赋值，b指向a的对象
　　
>>> a = np.arange(12)
　　
>>> b = a            # no new object is created
　　
>>> b is a           # a and b are two names for the same ndarray object
　　
True
　　
>>> b.shape = 3,4    # changes the shape of a
　　
>>> a.shape
　　
(3, 4)
　　

　　

　　
快照模式
　　
>>> c = a.view()
　　
>>> c is a
　　
False
　　
>>> c.base is a    # c is a view of the data owned by a
　　
True
　　
>>> c.flags.owndata
　　
False
　　
>>> c.shape = 2,6    # a's shape doesn't change
　　
>>> a.shape(3, 4)
　　
>>> c[0,4] = 1234    # a's data changes
　　
>>> a
　　
array([[   0,    1,    2,    3],
　　
       [1234,    5,    6,    7],
　　
        [   8,    9,   10,   11]])
　　

　　

　　
深度拷贝
　　
>>> d = a.copy()   # a new array object with new data is created
　　
>>> d is a
　　
False
　　
>>> d.base is a    # d doesn't share anything with a
　　
False
　　
>>> d[0,0] = 9999
　　
>>> a
　　
array([[   0,   10,   10,    3],
　　
        [1234,   10,   10,    7],
　　
        [   8,   10,   10,   11]])