关于numpy的简单操作

''' # 创建数组 arr = np.array([1,2,3,4,5,6,7,8,9]) print(arr) arr1 = np.empty([2,3]) print(arr1) arr2 = np.zeros([3,4]) print(arr2) arr3 = np.ones([4,5]) print(arr3) arr4 = np.zeros_like(arr1) print(arr4) arr5 = np.ones_like(arr1) print(arr5) arr6 = np.asarray([(1,2,3),(4,5,6)]) print(arr6) arr7 = np.fromiter(range(10), dtype=int, count=5) print(arr7) arr8 = np.arange(10,20,2) print(arr8) arr9 = np.linspace(10,20,3) print(arr9) ''' import numpy as np ''' arr = np.array([0, 1, 22, 333, 4444, 555, 66, 7, 88, 999]) # 切片和索引 print(arr[slice(1, 7, 2)]) print(arr[1:7:2]) arr1 = arr.reshape(5, 2) print(arr1) print(arr1[0:2, 1:3]) #布尔索引 def fn(a): return a > 3 print(arr1[fn(arr1)]) print(arr1[~fn(arr1)]) #花式索引 arr2 = np.array([1, 3, 5, 9]) print(arr[arr2]) #二维数组 #读取指定的行 print(arr1[[1,4,2]]) #倒序引入 print(arr1[[-1,-4,-2]]) #传入多个索引数组（要使用 np.ix_）,前面为第几行，后面为该行的第几个 print(arr1[np.ix_([1,4,2],[1,0])]) ''' ''' # 广播：允许NumPy用不同大小的数组进行算术运算。 # 维数相同，各维度长度相同 a = np.array([1, 2, 3]) b = np.array([4, 5, 6]) c = a * b print(c) # 形状不同时 b = np.array([[4, 5, 6], [4, 3, 2]]) c = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) print(c) # 数组的长度要相同,且至少有一个维度是一维 d = a * c print(d) # e = b*c # print(e) # ValueError: operands could not be broadcast together with shapes (2,3) (3,3) ''' # 修改数组形状 arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9]) # reshape中数字相乘为arr的个数 arr1 = np.reshape(arr, [3, 3]) print(arr1) # flat为迭代器，可通过循环遍历数组 for i in arr1.flat: print(i) # 返回拷贝数组，不修改原来的数组 arr2 = arr.flatten() arr2 = arr2.reshape(3, 3) print(arr) print(arr2) #平铺数组,不修改原来的数组 arr3 = arr2.ravel() print(arr3) print(arr2) #翻转数组,不修改原来的数组 arr4 = np.transpose(arr2) print(arr4) print(arr2) #转置数组,不修改原来的数组 arr5 = arr2.T print(arr5) print(arr2) #连接数组 #numpy.concatenate 函数用于沿指定轴连接！！相同形状！！的两个或多个数组 arr6 = np.concatenate((arr1, arr5), axis=1) print(arr6) #分割数组,indices_or_sections必须能划分为等量的份数 arr7 = np.split(arr6,indices_or_sections=3,axis=0) print(arr7) #hsplit指定要返回的相同形状的数组数量来拆分原数组。只能水平分割 arr8 = np.hsplit(arr6,2) print(arr8) #vsplit指定要返回的相同形状的数组数量来拆分原数组。只能垂直分割 arr9 = np.vsplit(arr6,3)