002.python科学计算库numpy(下)

import numpy as np

# arange 在给定的间隔内返回等距值
# reshape 返回一个包含具有新形状的相同数据的数组
a = np.arange(15).reshape(3, 5)
print(a)

import numpy as np

# arange 在给定的间隔内返回等距值
print(np.arange(10, 30, 5))

import numpy as np

# reshape 返回一个包含具有新形状的相同数据的数组
a = np.arange(15).reshape(3, 5)
print(a)

import numpy as np

a = np.arange(15).reshape(3, 5)
# 数组维数
print(a.ndim)
# 数组中元素的类型名称
print(a.dtype.name)
# 数组中总的元素数量
print(a.size)

import numpy as np
from numpy import pi

# 初始化一个数组,zeros的参数是元组
print(np.zeros((3, 4)))
print("---------")
# 初始化数组为1,并指定元素类型
print(np.ones((2, 3, 4), dtype=np.float))
print("---------")
# 返回一个指定空间的随机的(0到1)数组
print(np.random.random((2, 3)))
print("---------")
# 在0和2*pi之间平均切分出15个元素
print(np.linspace(0, 2 * pi, 15))

import numpy as np

a = np.array([20, 30, 40, 50])
b = np.arange(4)
# 数组之间空间大小相同可以进行算术运算
print(a - b)
print("----")
print(a * b)
print("----")
# 每个元素都进行乘法操作
print(b * 2)
print("----")
# 每个元素都进行指数操作
print(b ** 3)
print("----")
# 两个数组的点积 = np.sum(a * b)
print(a.dot(b))
print(np.sum(a * b))
print(np.dot(a, b))
print("----")

import numpy as np

b = np.arange(5)
# 计算输入数组中所有元素的指数 e ** 元素的值
print(np.exp(b))

import numpy as np

b = np.arange(5)
# 返回数组的非负平方根，按元素计算。
print(np.sqrt(b))

import numpy as np

# 向下取整
a = np.floor(10 * np.random.random((3, 4)))
print(a)
print(a.shape)
print("-----")

import numpy as np

# 向下取整
a = np.floor(10 * np.random.random((3, 4)))
# 返回一个平坦矩阵
print(a.ravel())
print(a.ravel().shape)

import numpy as np

# 向下取整
a = np.floor(10 * np.random.random((3, 4)))
# 改变a的结构
a.shape = (6, 2)
print(a)
print("-----")
# 改变阵列的形状和大小
a.resize((2, 6))
print(a)
print("-----")
# a的转置矩阵
print(a.T)

import numpy as np

a = np.floor(10 * np.random.random((3, 3, 5)))
b = np.floor(10 * np.random.random((3, 3, 5)))
c = np.floor(10 * np.random.random((3, 5)))
d = np.floor(10 * np.random.random((3, 5)))
print("a=", a, "\n")
print("b=", b, "\n")
# 水平(按列排列)排列。它相当于沿着第二轴的连接
# 这个函数对于3维的数组最有意义。
# 例如，对于具有高度(第一轴)、宽度(第二轴)和r/g/b通道(第三轴)的像素数据。
# 函数“concatenate”、“stack”和“block”提供了更一般的堆叠和连接操作。
print("ab=", np.hstack((a, b)))
print("cd=", np.hstack((c, d)))

import numpy as np

a = np.floor(10 * np.random.random((2, 12)))
print("a=", a)
print("------")
# 水平地将一个数组拆分为多个子数组(按列排列)。
# 请参考“split”文档。 'hsplit '相当于 np.split(axis=1)，
# 数组总是沿着第二个轴分裂，而不管数组的大小。
print(np.hsplit(a, 3))
print("----")
# hsplit第二个参数是个元组的时候，表示split的索引列
# 下面这个就是在 列索引号为 3,5,8的地方进行拆分
print(np.hsplit(a, (3, 5, 8)))
print("----")
a = np.floor(10 * np.random.random((2, 2, 4)))
print("a=", a)
# hsplit的第二个参数，如果不是元组或者是一个参数的元组
# 此参数必须可以让数组的第1轴的维数整除
print(np.hsplit(a, 2))

import numpy as np

a = np.arange(12)
# 使用等号赋值，不同引用操作的地址相同
b = a
print(b)
print(b is a)
b.shape = (3, 4)
print(a.shape)
print(id(a), id(b))

import numpy as np

a = np.arange(12)
# view视图方法创建一个新的数组对象，该对象具有相同的数据
c = a.view()
print(c)
print(c is a)
print(a)
# a/b的地址不一样
print(id(a), id(c))
# 但是修改其中一个值之后，另一个也同步修改
c[3] = 333
print("a=", a)
a[6] = 666
print("c=", c)
c.shape = (3, 4)
c[0] = 0
print(a)

import numpy as np

a = np.arange(12)
# copy返回数组的副本
d = a.copy()
print(d)
print(d is a)
d.shape = (3, 4)
print(id(a), id(d))
d[1] = 111
a[0] = 1000
# 修改任一值均不会影响另一个
print("a=", a)
print("d=", d)

import numpy as np

data = np.sin(np.arange(20)).reshape(5, 4)
print(data)
print(data.shape)  # (5, 4)
# 沿给定轴（第0轴）的最大值的返回索引,将返回shape=(4,)的数组
ind = data.argmax(axis=0)
print(ind, ind.shape)
# 沿给定轴（第1轴）的最大值的返回索引,将返回shape=(5,)的数组
ind = data.argmax(axis=1)
print(ind, ind.shape)

import numpy as np

a = np.arange(0, 40, 10)
print(a, "\n")
# 通过重复代表给出的次数来构造数组。
b = np.tile(a, (1, 4))
print(b)

import numpy as np

a = np.array([4, 3, 1, 2])
# 返回对数组进行排序的索引。
# 最小的1索引为2，最大的4索引为0
b = np.argsort(a)  # [2 3 1 0]
print(b)
# 排序后的数组
print(a[b])