【Python】【numpy】ndarray

2017年07月05日

Author: Guofei

文章归类: 1-2-Pandas与numpy ，文章编号: 200

版权声明：本文作者是郭飞。转载随意，但需要标明原文链接，并通知本人
原文链接：https://www.guofei.site/2017/07/05/ndarray.html

Edit

取数

切片取数：共享内存（对于多维数组，如果每一维都用切片，也共享内存）

a[3:5] # 含头不含尾
a[:-1] # -1表示最后，仍然不含尾
a[2,3]=7,8 # 切片用来改array
b=a[2,3] # a和b共享内存空间
a[1:-1:2] # 最后一个数是步长
a[::2] # 省略表示头部

用list取数：不共享内存（对于多维数组，可以用切片+list混用方式取数，只要有list就不共享内存）
```
a=np.arange(1,10,1)
b=a[[1,2,3]] # 修改b的元素值，不影响a
```

array取数：不共享内存

a=np.arange(1,10,1)
b=a[numpy.array([1,4,1])]

布尔取数：不共享内存

a=np.arange(0,5,1)
b=a[np.array([True,False,True,False,True])]

一个实际案例：

a=numpy.random.rand(10)
a[a>0.5]

方法

a.shape

返回a的维度
- 如果a是一维数组，输出为(4,)
- 二维数组，输出为(2, 1)
- 如果某一维不规则，那么不显示这一维(2,) a.shape返回array的维度
```
a.shape
```

可以对a.shape赋值,效果是改变维度

a=numpy.array([[1,2,3],[4,5,6]])
a.shape=3,2

在赋值时，用-1表示自动计算这一维的长度
```
a=numpy.array([[1,2,3],[4,5,6]])
a.shape=3,-1
```

reshape

reshape与shape的区别是，reshape保持原数组维度不变
相同点是，内存是共享的

a=numpy.array([[1,2,3],[4,5,6]])
b=a.reshape((3,2))

这里生成的a和b维度不同，但是共享内存

比较而言，用shape，直接改了原array：

a=numpy.array([[1,2,3],[4,5,6]])
b=a
b.shape=3,-1

这里a，b的维度都改了

dtype

a.dtype#返回元素类型
a=numpy.array([1,2,3,4],dtype=numpy.float)#指定元素类型
a=numpy.array([1,2,3,4],dtype=numpy.complex)#指定元素类型

显示可用的dtype列表

set(numpy.typeDict.values())

统计方法

以下方法都可以对数组操作。

方法说明 sum mean std,var min,max argmin,argmax 最小值和最大值的索引 cumsum cumprod sort 排序

常用方法

np.ceil
np.floor
np.rint
np.isnan

np.all
np.any

np.unique # 去重并排序

sort

import numpy as np
a=np.random.randn(10,3)
a.sort(axis=1) #直接改变a
np.sort(a) #不改变a，而是返回一个排序完毕的ndarray

axis=1，axis=1是对行降序，axis=0是对列降序
只能降序排列，不过这无所谓，用切片就可以了
```
a[:,::-1]
```

argsort

矩阵操作

常用方法

a=np.random.rand(3,4)
np.fliplr(a) # 左右翻转
np.flipud(a) # 上下翻转
np.rot90(a,k=3) # 逆时针转动k次

np.eye(N=4,M=3,k=2) # 生成一个对角阵，N*M大小，k是向右上角偏置量
np.diag(a,k=1) # 取出对角元素,放到一维数组中，返回一个 1darray
np.diag([1,2,3],k=2) # 生成对角矩阵（一维数组转二维数组）

np.triu(m=a,1) # 矩阵的上三角部分
np.tril(m=a,1) # 矩阵的下三角部分
np.tri(N=3,M=4,k=1) # 生成一个下三角矩阵，元素是0和1

np.vander(x=[1,2,3],N=5) # 生成一个 Vandermonde matrix，每一行是x中的元素，N列

(a>0.5).any(axis=0) # 每列是否有True
(a>0.5).any(axis=1) # 每行是否有True

矩阵拆拼

import numpy as np
a=np.random.rand(3,3)
b=np.random.rand(3,3)
np.concatenate([a,b],axis=0) # axis=0是竖着拼起来，axis=1是横着拼起来

scipy距离矩阵

https://docs.scipy.org/doc/scipy/reference/generated/scipy.spatial.distance.cdist.html#scipy.spatial.distance.cdist

import numpy as np
from scipy import spatial

num_points = 8
points = range(num_points) # generate index of points
points_coordinate = np.random.rand(num_points, 2) # generate coordinate of points
distance_matrix = spatial.distance.cdist(points_coordinate, points_coordinate, metric='euclidean')

您的支持将鼓励我继续创作！

【Python】【numpy】ndarray