Numpy库的学习（五）

今天继续学习一下Numpy库，废话不多说，整起走

先说下Numpy中，经常会犯错的地方，就是数据的复制

这个问题不仅仅是在numpy中有，其他地方也同样会出现

import numpy as np
a = np.arange(12)
b = a
print(b is a)
b.shape = 3,4
print(a.shape)
print(id(a))
print(id(b))

先看看这段代码，我们随便建立了一个numpy数组

然后我想把a这个值，赋值给b，很简单的操作，b = a 

那么我们打印一下b和a是不相等，返回的结果为True

也就是说，b和a是相等的

那么我们现在讲b做个shape变换

然后在看看a的shape有没有变换

我们这里多打印些东西，更容易我们理解

我们看到a 的id，和b 的id 是一样的，说明a和b，是完全相等的

我改变其中任意一个，都是改变另外一个值。实际上a和b指向的都是内存中的同一个地址

我们接着看下面的代码

c = a.view()
print(c is a)
c.shape = 2,6
print(a.shape)
c[0,4] = 1234
print(a)
print(id(a))
print(id(c))

我这里 定义了一个c，这个c也是一种复制，浅复制。用view()

我们在看看c 是不是a,返回的结果则是，False，说明，a和c不相等

我们将c.shape变换为2，6

打印一下a.shape发现，a的shape还是3,4

那么我将c中的一个值，修改为1234

可以看到，打印出来的a也改变了

让后通过id发现， 他们两个不是同一个地址。但是我修改的时候会做修改

说明，用view()方法复制出来的数据，相当于python中的浅拷贝。

简单说，就是a和c他们指向的地址不一样，但是他们公用一组数据。

但是这个view不推荐使用

下面我们接着看

d = a.copy()
print(d is a) 
d[0,0] = 9999
print(d)
print(a)

这里看到，d = a.copy()，a 不是d ,所以打印出来是False

那么我们让d 中的 一个元素变成9999

那么打印一下a和d 发现，a中没有变化，d中有变化，也就是说

如果我们想让一个变量，的初始值是a，然后在新的上面做一些变化的时候，一定要用copy来做

下面我们在说说argmax

data = np.sin(np.arange(20).reshape(5,4))
print(data)
ind = data.argmax(axis=0)
print(ind)
data_max = data[ind, range(data.shape[1])]
print(data_max)

这段代码可以看出，我们生成了一个5行 4列的矩阵。我们定义维度axis = 0 就是按照列进行选择

打印一下可以看到，第一列中0.98935825这个值是最大的。我们通过打印ind，得到最大的值是矩阵第一列的第3个元素

也就是元素下标为2，那么第二列中，第一个元素最大，下标为0，以此类推，得到[2 0 3 1]

按行找的话，需要设置维度axis = 1，即可

我们想取到，没列中，最大的数是多少，可以使用data_max这种取值方式，将矩阵中按照列排列最大的元素是多少，取出来

a = np.arange(0,40,10)
print(a)
b = np.tile(a,(4,2))
print(b)=

看到上面这段代码，我们生成一个向量

然后，通过tile函数，将我们生成的向量传入进去，让后按照矩阵进行翻倍变换

得到，4行2列的数据，下面继续

a = np.array([[4,3,5],[1,2,1]])
print(a)
b = np.sort(a, axis = 1)
print(b)
a.sort(axis = 1)
print('****************')
print(a)
a = np.array([4,3,1,2])
j = np.argsort(a)
print('***************')
print(j)
print('***************')
print(a[j])

首先我们使用sort，将我们的a进行了以行为主的排序

我们可以看到，使用np.sort和直接.sort的效果是一样的

np.argsort，则是求出a的索引值，然后再按照a的索引值进行排序

今天就先说到这里，感谢各位的阅读，感谢支持！！谢谢！！