nmupy 索引／元素类型／数组运算／函数／广播

NUMPY索引和切片

数组和标量之间的运算

a+1
a*3
1//a
a**0.5

同样大小数组之间的运算

a+b
a/b
a**b

数组的索引

a[5]
a2[2][3]
a2[2,3]

数组的切片

a[5:8]
a[:3]=1
a2[1:3,:4]
a2[:,:1]
a2[:,1]

与列表不同，数组切片不会自动复制，在切片数组上的修改会影响原数组

【解决方法：copy()】

b = a[:4]
b = a[:4].copy()
b[-1] = 250
b[-1] =250

 问题：给一个数组，选出数组中所有大于5的数。

          a[a>5]

原理：a>5，会对a中的每一个元素进行判断，返回一个布尔数组

        布尔型索引，将同样大小的布尔数组，传递索引，会返回一个由True对应位置的与元素的数组。

给出一个数组，选出数组中所有大于5的偶数

a[a>5 & (a%2==0)]

给出一个数组，选出数组中所有大于5的数和偶数

a[a>5 | (a%2==0)]

 花式索引*

对于一个数组，选出其1，3，4，6，7个元素，组成心的二维数组。

  a[[1,3,4,6,7]]

indexing

实例子：取子矩阵

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


#取子矩阵
array([[ 6,  7],
       [10, 11]])

a[-2:,1:3]   

###

-2：，行，倒数第二行一直到最后
1:3，列，从第一列，到第三列。

#取 数字7
a[1,-2]

 二维数据，也有可能产生一维。

当我们在一个纬度，采用整数来获取元素,a.shape，来获取的时候，纬度就会-1

当我们，不采用整数获取元素的时候，纬度可能会+1，或者不变。

arange：产生一个指定范围的数组

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

#a数组，每一行的第二列数字+10

方法一：
a[np.arange(3),1]+=10
方法二：
a[np.arange(3),[1,1,1]]+=10
方法三：
a[[0,1,2],[1,1,1]]+=10

array([[1,12,3,4],
        [5,16,7,8],
        [9,20,11,12]])

##
np.arange(3)
array([0,1,2])  #产生一个包含数组[0，1，2]

##np.arange(3,7)
arry([3,4,5,6]) #产生一个数组，从3到7，不包含7

result_index = a>10

a[result_index] 

#获取a>10的元素，保存到一个数组中
#简化操作

a[a>10]

元素的数据类型

import numpy as np
a = np.array([1,2])
a.dtype

#dtype(int64)

a = np.array([1.1,2.2])
a.dtype()

#dtype('float64')

a = np.array([1,2.2])

#dtype('float64')

#a = np.array([1.1,2.6])
a= np.array([1.1,2.6],dtype=np.int64) #指定数据类型
结果：去掉小数部分
array([1,2])


###
a = np.array([1.1,2.6])
b = np.array(a,type=np.int64)

b结果：
array（[1,2]）

数组运算和常用函数

 例子：非矩阵操作的加减乘除运算

a = np.array([[1,2], 
             [2,3]])

b = np.array([[5,6],
             [7,8]])

加法运算：
a+b
np.add(a,b)


结果：a，b相对应的位置加减法
array([[ 6,  8],
       [ 9, 11]])


减法运算：对应位置的减法
a-b
np.subtrack(a,b)


乘法运算：
a*b
np.multiply(a,b)

除法运算：
a/b
np.divide(a,b)

矩阵运算操作：

a =np.array([[1, 2],
            [2, 3]])

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

矩阵之间的运算：乘  a的列，与b的行数相等
a.dot(b)
np.dot(a,b) 

结果：
array([[ 9, 12, 15],
       [14, 19, 24]])

numpy 常用函数

sum函数：求和

a= np.array([[1, 2],
            [2, 3]])

np.sum(a)

# sum：对数组a中的元素，做求和操作

np.sum(a,axis=0)

#axis=0对数组中的每一列，求和操作

# array（[3，5]）

np.sum(a,axis=1)

#axis=1对数组中的每一行，求和操作

# array([3,5])

mean函数：均值

np.mean(a)

#对数组a,所有和的平均值

#对数组a 的每一列，均值操作
np.mean(a,axis=0)

#对数据a，的每一行，均值操作
np.mean(a,axis=1)

uniform函数：指定范围内的随机数值

np.random.uniform(3,4)
#指定生成3，4范围内的随机数值（带小数）

tile函数：一个元素重复指定的次数。

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

np.tile(a,(1,2))
#1行2列，基本单位是a，
#行不变，以a为单位，在列上重复

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

np.tile(a,(2,1))
#2行1列，a为单位
#列不变，a为单位，在行上重复

array([[1, 2],

       [2, 3],

       [1, 2],

       [2, 3]])

np.tile(a,(2,3))
#a为单位，在行重复2次，在列上重复3次

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

       [2, 3, 2, 3, 2, 3],

       [1, 2, 1, 2, 1, 2],

       [2, 3, 2, 3, 2, 3]])

 argsort函数：用于将数组当中的元素进行排序。

a = np.array([[3,6,4,11],
          [5,10,1,3]])

a.argsort()
#每一行元素的下标，从小到大排序的

array([0,2,1,3],
      [2,3,0,1])

#每一列元素下表，按从小到大排序
array([0,0,1,1],
      [1,1,0,0])

矩阵转置操作

a = np.array([[3,6,4,11],
                   [5,10,1,3]])

#2种转置方法
a.T
np.transpose(a)

#第一列，转置成第一行，以此类推
array([3,5],
         [6,10],
         [4,1],
         [11,3])

广播：

在缺失纬度，和数组为1的纬度进行

a = np.array([[1,2,3],
             [2,3,4],
             [12,31,22],
             [2,2,2]])
#二维，4*3的数据
b = np.array([1,2,3])

#将a的每一行，和b相加
第一种方式：

for i in range(4):
a[i, :] += b

#结果

array([[ 2, 4, 6],
[ 3, 5, 7],
[13, 33, 25],
[ 3, 4, 5]])

第二种方式：

a + np.tile(b,(4,1))

a+，以b为单位，行重复4次，列重复1。

#

array([[ 3, 6, 9],
[ 4, 7, 10],
[14, 35, 28],
[ 4, 6, 8]])

第三种方式：

a + b

广播会在缺失纬度，和数组为1的纬度进行，这就是广播特性。