python小白之数组索引

#python学习之数组 2018.4.17
# -*- coding: UTF-8 -*-

from numpy import *
import math
A =arange(15).reshape(3,5)#reshape参数开头可以再加一个数字，表示reshape后生成的个数

print(A.sum(axis=0))#A列合计

print(A.min(axis=1))#A行最小值 

print(A.cumsum(axis=1))#A中每行的累计和
print(A.shape)#A的形状 几行几列
print(A.ndim)#A的秩 即数组轴的个数
print(A.dtype.name)#查看array里面数据类型
print(A.itemsize)#数组中每个元素的字节大小int32/8=4
print(A.size)#数据元素个数
print(type(A))#A的类型为numpy.ndarray

# C=array([(1.5,2,3),(4,5,6)])#可以使用但是1.5，2，3等数字无法改变了C，所以不适用
# C=array([1.5,2,3],[4,5,6])#错误
C=array([[1.5,2,3],[4,5,6]],dtype=complex)#正确,并指定数组类型
print (C)

# print (zeros((3,4)))#一个三行四列都是0的数组
# print (ones((2,3,4),dtype=int16))#两个三行四列都是1的数组
print (empty((3,4)))#内容随机依赖内存状态的数组，默认都是float64

# set_printoptions(threshold=‘nan‘)#表示强制打印整个数组，中间部分不会省略
D=array([1,2,3,4],dtype=int)
print(D**2)
print(D<2)

E=array([[1,1],[0,1]])
F=array([[2,0],[3,4]])
print(E*F)#矩阵对应位置相乘
print(dot(E,F))#矩阵乘法
print(linspace(0,pi,3,endpoint=False,retstep=True))#从0到pi之间均分，产生3个数,不包括末尾，返回数及间隔大小

#一维数组可以被索引、切片迭代
G=arange(10)**3
print(G[2:5])#输出2的3次方、3的3次方、4的三次方
G[:6:2]=-5#相当于G[0:6:2],是指从第0到6个数，变为-5，步长为2，即第一个=-5，第三个等于-5
print(G[::-1])#倒序输出

def f(x,y):
    return 10*x+y
H=fromfunction(f,(5,4))#多维数组每个轴可以有索引

print(H[0:4,1])#第一行到第四行的第二列的数值输出
print(H[:,1])#第二列全部的数值输出
print(H[1:3,])#第二行到第三行的数值输出
print(H[-1])#相当于H[-1,:]
#点(…)代表许多产生一个完整的索引元组必要的分号。如果x是秩为5的数组(即它有5个轴)，那么:
# x[1,2,…] 等同于 x[1,2,:,:,:],
#x[…,3] 等同于 x[:,:,:,:,3]
#x[4,…,5,:] 等同 x[4,:,:,5,:].
# for element in H.flat:#flag是数组的一个属性，可以用来对数组中元素运算
    # print (element)

#向下取整floor()
print(H.ravel())#将数组全展平

#复制与视图
#1.完全不拷贝 简单的赋值不拷贝数组对象或它们的数据。
a=arange(12)
b=a
print(b is a)

b.shape = 3,4
#2.视图和浅复制 不同的数组对象分享同一个数据 c的形状不会变化但数值会
c=a.view()
print(c is a)

print(c.base is a) 

c.shape = 2,6
print(a.shape)
c[0,4]=12345
print(a)

#3.深复制 完全复制数组和它的数据 即两个数组完全独立开
d=a.copy()
print(d is a)
print(d.base is a)
d[0,0]=-1
print(a)

#-----------------------------------------------------------------
#numpy函数方法归类
#1.创建数组 arange array copy empty empty_like eye fromfile fromfunction identity, linspace, logspace, mgrid, ogrid, ones, ones_like, r , zeros, zeros_like
#2.转化astype, atleast 1d, atleast 2d, atleast 3d, mat
#3.操作array split, column stack, concatenate, diagonal, dsplit, dstack, hsplit, hstack, item, newaxis, ravel, repeat, reshape, resize, squeeze, swapaxes, take, transpose, vsplit, vstack
#4.询问all, any, nonzero, where
#5.排序argmax, argmin, argsort, max, min, ptp, searchsorted, sort
#6.运算choose, compress, cumprod, cumsum, inner, fill, imag, prod, put, putmask, real, sum
#7.基本统计cov, mean, std, var
#8.基本线性代数cross, dot, outer, svd, vdot
#---------------------------------------------------------------
#numpyj进阶
#花哨的索引NumPy比普通Python序列提供更多的索引功能。数组可以被整数数组和布尔数组索引。
k=arange(12)**2
i=array([1,1,3,8,5])
print(k[i])

#线性代数
#a=array([[2,3],[3,4]])
#inv(a)求逆 trace(a)求迹 a.transpose()转置
# solve(A,b) 求解AX=b
# eigvals 求解特征值
# eig(C) 返回的c1是特征值 c2是特征向量
# U，sigma,V=np.linalg.svd(D,full_matric=false) svd奇异值分解
# pinv 广义逆
# det行列式

#矩阵类
#Amatrix(‘1.0 2.0;3.0 4.0‘)
#A.T
L = arange(12)
L.shape=3,4
print(L[:,[1,3]])

print(L[:,L[0,:]>1])#保留第一行大于1的列

print(L[L[:,0]>2,L[0,:]>1])#在矩阵两个方向有条件的切片

#技巧
L.shape=2,-1,3 #-1表示省略一个尺寸 将会自动推导 12个数 不知道要输出几行，但要输出3列 同时要输出两个
print(L)