import numpy as np

array = np.array([[1, 2, 3],

                  [3, 2, 1]])

print(array)

# [[1 2 3]

#  [3 2 1]]

print('array dim:', array.ndim)  # 显示几维

print('shape:', array.shape)  # 显示几行几列

a = np.array([1, 2, 3], dtype=np.float)

print(a.dtype)

# float64

# ####### 生成全部为0的矩阵 #########

zero = np.zeros((3, 4), dtype=int)

print(zero)

# [[0 0 0 0]

#  [0 0 0 0]

#  [0 0 0 0]]

# ########生成全部为1的矩阵 ###############

ones = np.ones((3, 5))

print(ones)

# [[1. 1. 1. 1. 1.]

#  [1. 1. 1. 1. 1.]

#  [1. 1. 1. 1. 1.]]

# ######### reshape #####################

_range = np.arange(20).reshape((5, 4))

print(_range)

#[[ 0  1  2  3]

# [ 4  5  6  7]

# [ 8  9 10 11]

# [12 13 14 15]

# [16 17 18 19]]

# ########### 线段 ###################

linplace = np.linspace(0, 10, 6)

print(linplace)

import numpy as np

a = np.array([[0, 1, 2],

             [2, 3, 4]])

b = np.arange(0, 6).reshape([3, 2])

print(a)

print(b)

print(a > 3)  # 每个元素都判断一边是不是满足条件不满足返回false，满足返回trueprint(a+b)  # 加法减法都一样print(a*b)  # 乘法 对应位置相乘print('########################')print(np.sin(a))  # sin cos tan都可以（每个位置分别sin ...）print(np.dot(a, b))  # 矩阵相乘 （）# 还有一种表达方式为 a.dot(b)

x = np.random.random([2, 4])  # 随机生成一个在0到1之间的x

print(x)

print(x.sum(axis=0))  # 全部元素的和  axis等于0在每一列寻找 等于1在每一行中寻找

print(x.max())  # 最大值

print(x.min())  # 最小值

print(np.argmin(a))  # 返回最小值的索引

print(a.argmax())  # 返回最大值的索引

print(np.average(a))  # 这样也可以返回平均值 但是这个不能a.median()

print(a.mean())  # 返回平均值 当然 np.argmean()也可以

print(np.median(a))  # 中位数 这个不能 a.median()

print(np.cumsum(a))  # 元素个数相同，每个元素是之前的累加

print(np.diff(a))  # 两个元素之间的差

print(np.nonzero(a))  # 返回两个数列分别表示行，列

print(np.sort(a))  # 排序

print(np.transpose(a))  # 转置

print(a.T)  # 转置

print(np.clip(a, 5, 9))  # 所有小于五的数都设置为5 大于9的数变为9

# 什么a[0] a[0][1] for row in a 的我就不讲了，反正也会

# 其实a[0][1] 也可以表示为a[0, 1]

for row in a:

    print(row)   # 打印行

for column in a.T:

    print(column)  # 打印列

# 最后依然说一些关于迭代输出的问题：

A = np.arange(3, 15).reshape((3, 4))

print(A.flatten())

# array([3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14])

for item in A.flat:

    print(item)

import numpy as np

A = np.arange(12).reshape((3, 4))

X = np.split(A, 3, axis=0)  # 横这分割

x = np.vsplit(A, 3)  # 横这分割

Y = np.split(A, 4, axis=1)  # 列着分割

y = np.hsplit(A, 4)  # 列着分割

print(type(A))

# <class 'numpy.ndarray'>

print(X)

# [array([[0, 1, 2, 3]]), array([[4, 5, 6, 7]]), array([[ 8,  9, 10, 11]])]

print(type(X))

# <class 'list'>

Z = np.array_split(A, 5, axis=1)  # 不对等分割

print(A)

# [[ 0  1  2  3]

#  [ 4  5  6  7]

#  [ 8  9 10 11]]

print(Z)

# [array([[0],

#        [4],

#        [8]]), array([[1],

#        [5],

#        [9]]), array([[ 2],

#        [ 6],

#        [10]]), array([[ 3],

#        [ 7],

#        [11]]), array([], shape=(3, 0), dtype=int32)]

import numpy as np

A = np.array([1, 2, 3])

print(A.shape) # 此时A不是矩阵属性，只是一个列表属性

# (3,)

print(A.T)      # 所以转置无效

# [1 2 3]

# 需要变为矩阵在来转置

# ######### 把a变成矩阵

print(A[np.newaxis, :].shape)

# (1, 3)

B = np.array([5, 6, 7])

C = np.vstack((A, B))  # 上下合并

D = np.hstack((A, B))  # 左右合并

print(C)

# [[1 2 3]

#  [5 6 7]]

print(D)

# [1 2 3 5 6 7]

print(C.T)

# [[1 5]

#  [2 6]

#  [3 7]]