numpy数组常用计算

在说numpy库数组的计算之前先来看一下numpy数组形状的知识：

• 创建一个数组之后，可以用shape来查看其形状，返回一个元组

　　　　例如：a = np.array([[1, 2, 3], [4, 5, 6]])

　　　　　　    print(a.shape)   # 打印出 (2,3)

　　　　其它的一维二维或三维数组也是同理，打印出对应形状的元组

• 修改数组的形状可以用 reshape() 函数，参数传入一个元组

　　　　例如：b = a.reshape((3, 2))

    　　　　　　print(b.shape)    # 打印出(3, 2)

　　　　注意点：修改前后的数组中总元素要一致，具体情况还需具体分析  

• flatten() 函数可以直接把数组展开，比如将数组a转换为一维

　　　　例如：c = a.flatten()

　　　　　　　此时a将变为一个一维数组

数组的计算：

• 数组和数的计算　　

　　　　数组和数的计算一般都遵从广播原则，也就是在做加减乘除的时候会和数组里面的每一个都进行计算，最后返回一个数组

　　　　

• 数组和数组的计算

　　　　相同维度的数组的计算一般就是对应的进行计算，很好理解：

　　　　

　　　　不同维度的数组进行计算，就要分析其能不能成功计算了：

　　　　

　　　　像这种广播原则理解起来有时候还是比较难以理解，有时候我们可以发挥一下空间想象能力，想象一下能不能成功计算，像一维数组和二维数组之间应该都是可以一眼看得出来的，主要是多维数组的理解上。

• 像shape为(3, 3, 3)的数组和(3, 2) 的数组就是不能计算的；
• 而shape为(3, 3, 2)的数组和(3, 2) 的数组就是可以计算的；
• 并且shape为(3, 3, 2)的数组和(3, 3) 的数组也是可以计算的；