标签：赋值 二维数组 most 矢量化 批量 千万 广播 重要 方向
numpy数组最大的特点是任何运算，都会自动的对数组当中的所有变量进行运算，所以千万不要试图自己去使用循环去取数组当中的值进行运算（非常愚蠢）。
数组可以不编写循环而对数据执行批量运算，称之为矢量化，大小相同数组之间的算术运算将会应用到元素级。
In [51]: arr = np.array([[1., 2., 3.], [4., 5., 6.]]) In [52]: arr Out[52]: array([[ 1.,2.,3.], [ 4.,5.,6.]]) In [53]: arr * arr Out[53]: array([[1.,4.,9.], [ 16.,25.,36.]]) In [54]: arr - arr Out[54]: array([[ 0.,0.,0.], [ 0.,0.,0.]])
大小不同的数组之间的运算叫做广播，本教程暂时不涉及该内容。
数组与标量值之间的运算，会将标量值传播到各个元素
In [55]: 1 / arr Out[55]: array([[ 1.,0.5,0.3333], [ 0.25,0.2,0.1667]]) In [56]: arr ** 0.5 Out[56]: array([[ 1.,1.4142,1.7321], [ 2.,2.2361,2.4495]])
1.Numpy的切片非常重要的一点是，numpy的切片是原数组的视图，而不是副本，这也就意味着对于切片的赋值和修改会直接反映到原数组当中，这样设计的目的是由于，由于numpy处理的都是大数据，如果需要复制的话会对内存造成多大的压力。
2.Numpy多维数组当中最常见的是二维数组，我们日常工作当中也主要是对二维数组进行操作，Numpy当中的轴是数组很重要的概念。0代表纵轴也就是行伸展的方向，numpy当中默认axis=0，也是基于日常数据处理通常是逐行进行数据处理，1代表横轴，是列的伸展，需要对列进行操作时，通常需要指定axis=1。
一维数组的索引和切片与python当中的列表差不多
In [60]: arr = np.arange(10) In [61]: arr Out[61]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) In [62]: arr[5] Out[62]: 5 In [63]: arr[5:8] Out[63]: array([5, 6, 7]) In [64]: arr[5:8] = 12 In [65]: arr Out[65]: array([ 0,1,2,3,4, 12, 12, 12,8,9])
以二维数组为例
当你想要获取二维数组的某一行（注意是仅是单行）可以使用arr[],同时假如需要该行当中的某一列时可以采用arr[2][3]或者arr[2,3] 这两者是等价的
In [10]: data Out[10]: array([[ 1.0788974 , 0.68102429, 1.25657144, 0.86003818], [ 0.12736723, -1.02105407, -1.73882805, -0.95977831], [ 1.72637531, 1.34888078, -0.30239276, -0.2500709 ], [ 1.35099747, -1.548361 , 0.42033975, -0.45966589], [-1.33488847, 0.03941755, 1.62740521, 1.06397523], [ 0.24654034, -1.78687642, -1.48406199, 0.26911715], [-1.51003484, -0.00391514, 1.0792482 , 1.4810209 ]]) In [15]: data[0] Out[15]: array([1.0788974 , 0.68102429, 1.25657144, 0.86003818]) In [16]: data[0,2,4,6] --------------------------------------------------------------------------- IndexError Traceback (most recent call last) <ipython-input-16-6d104e373c35> in <module> ----> 1 data[0,2,4,6] IndexError: too many indices for array
In [17]: data[0][2] Out[17]: 1.25657144416686 In [18]: data[0,2] Out[18]: 1.25657144416686
当你需要数组其中的多行时，需要使用[[]]来制定需要的行
In [14]: data[[0,2,4,6]] Out[14]: array([[ 1.0788974 , 0.68102429, 1.25657144, 0.86003818], [ 1.72637531, 1.34888078, -0.30239276, -0.2500709 ], [-1.33488847, 0.03941755, 1.62740521, 1.06397523], [-1.51003484, -0.00391514, 1.0792482 , 1.4810209 ]])
同时很是特殊的一点是，当你想要其中的一些行与列时，你可能想到这样使用：arr[[1, 5, 7, 2], [0, 3, 1, 2]]，但是你会发现得到是一个一维数组
In [22]: arr Out[22]: array([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11], [12, 13, 14, 15], [16, 17, 18, 19], [20, 21, 22, 23], [24, 25, 26, 27], [28, 29, 30, 31]]) In [23]: arr[[1, 5, 7, 2], [0, 3, 1, 2]] Out[23]: array([ 4, 23, 29, 10])
当你想得到的这样的结果时，以下是其中一种方法：
In [24]: arr[[1, 5, 7, 2]][:, [0, 3, 1, 2]] Out[24]: array([[ 4, 7, 5, 6], [20, 23, 21, 22], [28, 31, 29, 30], [ 8, 11, 9, 10]])
python数据分析（三） python numpy--数组--运算，切片和索引
标签：赋值 二维数组 most 矢量化 批量 千万 广播 重要 方向
原文地址：https://www.cnblogs.com/xiaosanye/p/11634475.html
