NumPy 1-1

Python的array模块不支持多维和运算函数，因此利用NumPy。

NumPy提供了ndarray和ufunc两个基本对象。

ndarray对象

数组的创建

#创建数组
>>> import numpy as np
>>> a = np.array([1, 2, 3, 4])
>>> b = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [7, 8, 9, 10]])
>>> a
array([1, 2, 3, 4])
>>> b
array([[ 1,  2,  3,  4],
       [ 4,  5,  6,  7],
       [ 7,  8,  9, 10]])
#dtype属性默认64bit长整型
>>> b.dtype
dtype('int64')
#返回数组大小
>>> a.shape
(4,)
>>> b.shape
(3, 4)
#改变轴的长度，数据在内存中的位置不发生改变，也就是交换shape的0和1轴的值，不会发生转置操作。
>>> b.shape = (4, 3)
>>> b
array([[ 1,  2,  3],
       [ 4,  4,  5],
       [ 6,  7,  7],
       [ 8,  9, 10]])
#默认值-1代表自动根据元素个数计算轴的长度。
>>> b.shape = (2, -1)
>>> b
array([[ 1,  2,  3,  4,  4,  5],
       [ 6,  7,  7,  8,  9, 10]])
#reshape可以创建一个改变了尺寸的新数组，并不改变原数组，两者共享数据存储内存区域，改变其中一个数组元素会修改另一个。
>>> d = a.reshape((2,2))
>>> a
array([ 1, 10,  3,  5])
>>> d
array([[ 1, 10],
       [ 3,  5]])
>>> a[1] = 4
>>> a
array([1, 4, 3, 5])
>>> d
array([[1, 4],
       [3, 5]])

可以在命名时决定dtype的类型

>>> e = np.array([1, 2, 3, 4], dtype=np.float)
>>> e
array([ 1.,  2.,  3.,  4.])
>>> f = np.array([1, 2, 3, 4], dtype=np.complex)
>>> f
array([ 1.+0.j,  2.+0.j,  3.+0.j,  4.+0.j])
#直接命名时加入j会导致报错，因此复数数组可以利用更改的方式产生
#有直接的复数数组产生方式么？

• 有直接的复数数组产生方式么？ (待办)

>>> import numpy as np
#类似range，语句为arange(a, b, d)，产生首项为a，公差为d，尾项为b-d的等差数列。
>>> np.arange(0, 1, 0.1)
array([ 0. ,  0.1,  0.2,  0.3,  0.4,  0.5,  0.6,  0.7,  0.8,  0.9])
#语句为linspace(a, b, n)，产生首项为a，尾项为b共n项的等差数列(公差d为(b-a)/(n-1))
>>> np.linspace(0, 1, 10)
array([ 0.        ,  0.11111111,  0.22222222,  0.33333333,  0.44444444,
        0.55555556,  0.66666667,  0.77777778,  0.88888889,  1.        ])
#语句为logspace(a, b, n)，产生首项为10^a，尾项为10^b，共n项的等比数列(q = 10^((b-a)/(n-1))
>>> np.logspace(0, 2, 20)
array([   1.        ,    1.27427499,    1.62377674,    2.06913808,
          2.6366509 ,    3.35981829,    4.2813324 ,    5.45559478,
          6.95192796,    8.8586679 ,   11.28837892,   14.38449888,
         18.32980711,   23.35721469,   29.76351442,   37.92690191,
         48.32930239,   61.58482111,   78.47599704,  100.        ])

从字符串读取数字

>>> str1 = "abcdefgh"
#int8对应ASCII码对应
>>> np.fromstring(str1, dtype=np.int8)
array([ 97,  98,  99, 100, 101, 102, 103, 104], dtype=int8)
#int16对应两项合并一项，第一项98*256+97
>>> np.fromstring(str1, dtype=np.int16)
array([25185, 25699, 26213, 26727], dtype=int16)
>>> np.fromstring(str1, dtype=np.int32)
array([1684234849, 1751606885], dtype=int32)
>>> np.fromstring(str1, dtype=np.int64)
array([7523094288207667809])
>>> np.fromstring(str1, dtype=np.float)
array([  8.54088322e+194])

利用fromfunction函数创建列表fromfunction(func, (a,b))，其中func为计算数组元素的函数，(a, b)为数组的shape()

例子 : 构建九九乘法表的数组

import numpy as np
def func1(i, j):
    return (i+1) * (j+1)

a = np.fromfunction(func1, (9, 9))
print(a)

#运行结果: 
[[  1.   2.   3.   4.   5.   6.   7.   8.   9.]
 [  2.   4.   6.   8.  10.  12.  14.  16.  18.]
 [  3.   6.   9.  12.  15.  18.  21.  24.  27.]
 [  4.   8.  12.  16.  20.  24.  28.  32.  36.]
 [  5.  10.  15.  20.  25.  30.  35.  40.  45.]
 [  6.  12.  18.  24.  30.  36.  42.  48.  54.]
 [  7.  14.  21.  28.  35.  42.  49.  56.  63.]
 [  8.  16.  24.  32.  40.  48.  56.  64.  72.]
 [  9.  18.  27.  36.  45.  54.  63.  72.  81.]]

数组支持切片操作 array[a: b :s] s为步长，a为开始，b为结束(不包含b)

与Python中的序列不同，切片操作的结果和原始数组存储空间相同，因此改变切片操作的结果会导致原始数组存储空间内的元素的改变。

整数数列可以避免共享数据空间(使用整数数列下标得到新数组)

>>> x = np.arange(24,0,-3)
>>> x
array([24, 21, 18, 15, 12,  9,  6,  3])
>>> x[1]
21
>>> x[[1,3,-3,7]]
array([21, 15,  9,  3])
>>> b = x[[1,3,-3,7]]
#等同语句 : b = x[np.array([1,3,-3,7])]
>>> b
array([21, 15,  9,  3])
>>> b[2] = 0
>>> b
array([21, 15,  0,  3])
>>> x
array([24, 21, 18, 15, 12,  9,  6,  3])