专栏首页李蔚蓬的专栏第12周Python学习周记

第12周Python学习周记

&关于计划:

一、Numpy库的学习(学习完毕);

二、Matplotlib的学习(进行中,预计13周之内完成);

三、Markdown的学习(进行中);

(本文内容参考于简书教程)

&时间:第12周

&内容摘要:

一、

1.当我们对数组进行操作的时候,我们需要注意一个很重要的概念——复制和视图

(1)完全不复制:(一个数据域,一个数组对象,多个名字)

①简单的赋值不会创建数组对象或其数据的拷贝:

>>> import numpy as np

>>> a = np.arange(12)

>>> b = a                                #没有创建新的对象

>>> b is a                                    #a 和 b是同一数                                                    组对象的两个名字

True

>>> b.shape = 3,4                    #改变b的形状(同                                            时改变b的形状——因为a                                            和 b引用同一数组对象)

>>> a.shape

(3, 4)

                                        #(a和b完全相通)

②Python将引用对象作为引用传递,因此函数调用不会复制

>>> def g(x):

... print(id(x))

...

>>> id(a)

2339740615344

>>> g(a)                                    #同样的,a 和 x是                                            同一数组对象的两个名字

2339740615344

(2)视图或浅复制:(一个数据域,不同数组对象,共享相同数据域)

不同的数组对象可以共享相同的数据。

①view()方法创建一个新数组对象,该对象看到相同的数据。

>>> c = a.view()

>>> c is a                      #c不是a,是新的数组对象

False

>>> c.base is a

                          #c是以a的数据为基础建立的对象

True

>>> c.flags.owndata

False

>>> c.shape = 2,6      #!a的形状不会(随C改变)

>>> a.shape

(3, 4)

>>> a

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

[ 4, 5, 6, 7],

[ 8, 9, 10, 11]])

>>> c[0,4] = 1234

                                      #a的数据会随c改变(因为                                          它们共享数据)

>>> a

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

[1234, 5, 6, 7],

[ 8, 9, 10, 11]])

                            #(a和c唯数据相通,形状独立)

Ps:一个易错点:

>>> e = d.view()

>>> e.base is d

True

>>> d.base is e

False

②对数组切片返回一个视图:

>>> s = a[:,1:3] #a[1:3]->取第一个和第二个元素;a[:,1:3]取第一和第二列元素

>>> s[:] = 10 #对s(作为a的视图)赋值,a随之改变(s和a共享数据)

>>> a

array([[ 0, 10, 10, 3],

[1234, 10, 10, 7],

[ 8, 10, 10, 11]])

(3)深复制:(数据和数据对象,完全复制到另一个名字下)

copy方法生成数组及其数据的完整拷贝

>>> d = a.copy()                                      #新对象d

>>> d is a              #d和a是两个独立无相关对象

False

>>> d.base is a                                  #数据不共享

False

>>> d

array([[ 0, 10, 10, 3],

[1234, 10, 10, 7],

[ 8, 10, 10, 11]])

>>> a

array([[ 0, 10, 10, 3],

[1234, 10, 10, 7],

[ 8, 10, 10, 11]])

>>> d[0,0] = 9999

>>> a

array([[ 0, 10, 10, 3],

[1234, 10, 10, 7],

[ 8, 10, 10, 11]])

>>> d

array([[9999, 10, 10, 3],

[1234, 10, 10, 7],

[ 8, 10, 10, 11]])

2.用imag方法操作数组的虚部

>>> a = np.array([1+2j, 3+4j, 5+6j]) #构造复数数组

>>> a.imag

array([ 2., 4., 6.]) #数组形式返回a的各元素虚部

>>> a.imag = np.array([8,10,12]) #数组形式对a的各元素虚部赋值

>>> a

array([ 1. +8.j, 3.+10.j, 5.+12.j])

3.花式索引和索引技巧

(1)使用索引数组索引

A.

>>> a = np.arange(12)**2

>>> a

array([ 0, 1, 4, 9, 16, 25, 36, 49, 64, 81, 100, 121], dtype=int32)

>>> i = np.array([2,2,6,8,7]) #作为一个存储position的数组

>>> a[i]                            #把单子i拿过来按图索骥

array([ 4, 4, 36, 64, 49], dtype=int32)

>>> j = np.array([[3,4],[8,9]])

>>> a[j]

array([[ 9, 16],

[64, 81]], dtype=int32)

                                #对应position和data返回矩阵

B.多维度索引

>>> a = np.arange(12).reshape(3,4)

>>> a

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

[ 4, 5, 6, 7],

[ 8, 9, 10, 11]])

>>> i = np.array([[0,1],

... [1,2]])                                #构建索引位置矩阵

>>> a[i]                  #对应i的内容和形式返回矩阵

array([[[ 0, 1, 2, 3],                          #a的第0个元素

[ 4, 5, 6, 7]],                                      #a的第1个元素

[[ 4, 5, 6, 7],                                      #a的第1个元素

[ 8, 9, 10, 11]]])                                #a的第2个元素

>>> a[i,2] #a[i]索引返回的数组中,取每一个元素的2位置的数出来再构造一个数组

array([[ 2, 6],

[ 6, 10]])

>>> j = np.array([[2,1],

... [3,3]])

>>> a[i,j] #i的n位结合j的n位构成一个索引坐标,在a

中按图索骥!注意此处i和j的形状要一样

array([[ 2, 5],                #例如,(i[0],j[0])=(0,2),则                                              a[0,2]->2;接着a[1,1]->5,                                            以此类推

[ 7, 11]])

>>> a[:,j]

array([[[ 2, 1],

[ 3, 3]], #a的第一个元素的j数组对应位置

[[ 6, 5],

[ 7, 7]], #a的第二个元素的j数组对应位置

[[10, 9],

[11, 11]]]) #a的第三个元素的j数组对应位置

(2)使用布尔数组索引(可以非常方便地察看、选择数据)

>>> import numpy as np

>>> a = np.arange(12).reshape(3,4)

>>> b = a > 4

>>> b

array([[False, False, False, False],

[False, True, True, True],

[ True, True, True, True]], dtype=bool)

>>> a[b]

array([ 5, 6, 7, 8, 9, 10, 11])

>>> a

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

[ 4, 5, 6, 7],

[ 8, 9, 10, 11]])

>>> a[b] = 0

>>> a

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

[4, 0, 0, 0],

[0, 0, 0, 0]])

4.好玩的ix_()函数(可以用于组合不同的向量,便于向量运算)

>>> import numpy as np

>>> a = np.array([2,3,4,5])

>>> b = np.array([8,5,4])

>>> c = np.array([5,4,6,8,3])

>>> ax,bx,cx = np.ix_(a,b,c) #用ix_()函数组合向量

>>> ax

array([[[2]],

[[3]],

[[4]],

[[5]]])

>>> bx

array([[[8],

[5],

[4]]])

>>> cx

array([[[5, 4, 6, 8, 3]]])

>>> ax.shape, bx.shape, cx.shape #组合完毕,向量各占一元

((4, 1, 1), (1, 3, 1), (1, 1, 5))

>>> result = ax+bx*cx

                                        #将完成组合的向量加以                                      运算,得到的结果矩阵存储                                      给数组对象

>>> result

array([[[42, 34, 50, 66, 26],

[27, 22, 32, 42, 17],

[22, 18, 26, 34, 14]],

[[43, 35, 51, 67, 27],

[28, 23, 33, 43, 18],

[23, 19, 27, 35, 15]],

[[44, 36, 52, 68, 28],

[29, 24, 34, 44, 19],

[24, 20, 28, 36, 16]],

[[45, 37, 53, 69, 29],

[30, 25, 35, 45, 20],

[25, 21, 29, 37, 17]]])

>>> result[3,2,4]

                                  #给予对应abc的参数,可以                                      从结果矩阵中调出结果

17

>>> a[3]+b[2]*c[4]        #跟普通方法结果一致

17

二、

1.使用默认配置画一个图:

A.代码:

图片发自简书App

B.效果:

图片发自简书App

2.改变线条的粗细和颜色以及设置图片边界:

代码和效果:

图片发自简书App

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 第10-11周Python学习周记

    3.时间允许的话,尽可能了解一些身为程序员必要掌握的知识(例如json,参考于网络资源)。

    凌川江雪
  • PHP | 删除数组中指定索引的元素,并且重排索引

    凌川江雪
  • 10.1.5 布局优化利器之 Hierarchy Viewer

    无论是哪本讲解布局优化的参考书,它们都不得不提到Hierarchy Viewer。不过,通常情况下,Hierarchy( 英['haɪərɑːkɪ])Viewe...

    凌川江雪
  • numpy入门

    numpy中最主要的对象是同质数组array,也就是说数组中的元素类型都是一样的。数组的维度也称之为axis,axis的的个数称之为秩rank。

    用户2936342
  • numpy中数组的遍历技巧

    在numpy中,当需要循环处理数组中的元素时,能用内置通函数实现的肯定首选通函数,只有当没有可用的通函数的情况下,再来手动进行遍历,遍历的方法有以下几种

    生信修炼手册
  • 【技术圈】Flutter 1.12、Firefox 71、V8 8.0 一大把新特性来袭

    Flutter 1.12 是 1.9.x 的版本在经历 6 次 hotfix 之后,才带来的 stable 大版本更新。该版本解决了 4571 个报错,合并了 ...

    ConardLi
  • JDK5中Lock锁的使用

    (1)JDK5中Lock锁的使用   虽然我们可以理解同步代码块和同步方法的锁对象问题,但是我们并没有直接看到在哪里加上了锁,在哪里释放了锁,为了更清晰的...

    黑泽君
  • 技术角 | 架构学习书摘总结(五)架构实战(中)

    最近阅读了一本架构方面的入门图书叫《从零开始学架构:照着做,你也能成为架构师》,部分内容比较不错,先做书摘总结,以便加深印象与未来回顾学习。

    ZNing
  • 用Python求解线性规划问题

    线性规划简介及数学模型表示线性规划简介一个典型的线性规划问题线性规划模型的三要素线性规划模型的数学表示图解法和单纯形法图解法单纯形法使用python求解简单线性...

    用户3577892
  • 访问量最高超7百万的Stack Overflow问题竟然是...

    Stack Overflow,一个面向开发者的 IT 技术问答网站,很多程序员都会在上面提问,浏览问题,查找技术知识。在 Top Question 页面,我们可...

    AI科技大本营

扫码关注云+社区

领取腾讯云代金券