初学Numpy(二）

数组和标量之间的运算

数组很重要，因为他使你不用编写循环就可以对数据执行批量的运算，这通常叫做矢量化。

（1）大小相等的数组之间的任何算术运算都会将运算应用到元素级；

（2）带下不等的数组之间的运算叫做广播。

import numpy as np
from pprint import pprint
arr1 = np.array([[x+1,x+2,x+3]for x in range(2)])
print "arr1:",
pprint(arr1)

print("arr1*arr1:")
pprint(arr1*arr1)

print("arr1-arr1:")
pprint(arr1-arr1)

print("1/arr1:")
pprint(1/arr1)

print("arr1**0.5:")
pprint(arr1**0.5)

运行结果：

arr1:array([[1, 2, 3],
       [2, 3, 4]])
arr1*arr1:
array([[ 1,  4,  9],
       [ 4,  9, 16]])
arr1-arr1:
array([[0, 0, 0],
       [0, 0, 0]])
1/arr1:
array([[1, 0, 0],
       [0, 0, 0]])
arr1**0.5:
array([[ 1.        ,  1.41421356,  1.73205081],
       [ 1.41421356,  1.73205081,  2.        ]])

基本的索引和切片

由于Numpy的设计目的是处理大数据，所以Numpy的对数组的修改都会直接反映到源数组上，如赋值操作。

#二维数组
'''
在一个二维数组中，各索引位置上的元素不再是标量而是一维数组
'''
arr_2d = np.array([[x,x+1,x+2]for x in range(3)])
pprint(arr_2d)

#一次传入多个切片
pprint(arr_2d[:2,1:])
pprint(arr_2d[:,:1])#只有冒号表示选取整个轴

#通过将整数和切片混合，可以得到低维度的切片
pprint(arr_2d[2][1:])

#切片赋值操作，会扩散到整个选区
arr_2d[:,:1] = 0
pprint(arr_2d)

运行结果：

array([[0, 1, 2],
       [1, 2, 3],
       [2, 3, 4]])
array([[1, 2],
       [2, 3]])
array([[0],
       [1],
       [2]])
array([3, 4])
array([[0, 1, 2],
       [0, 2, 3],
       [0, 3, 4]])