numpy广播（Broadcast）

若数组a，b形状相同，即a.shape==b.shape，那么a+b,a*b的结果就是对应数位的运算

import numpy as np

a=np.array([[1,2,3],[4,5,6]])

b=np.array([[1,4,7],[2,5,8]])

print(a+b,'\n')

print(a*b)

[[ 2  6 10]

 [ 6 10 14]] 

[[ 1  8 21]

 [ 8 25 48]]

若两个数组形状不同，且有一个数组维度为1，则会触发广播机制

a=np.array([[1,2,3],[4,5,6]])

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

# 等同于np.array([[1,2,3],[4,5,6]])与np.array([1,2,3],[1,2,3])运算

print(a+b,'\n')

print(a*b)

[[2 4 6]

 [5 7 9]] 

[[ 1  4  9]

 [ 4 10 18]]

numpy数组操作函数

修改数组形状

numpy.reshape()

不改变数据的情况下修改形状

numpy.reshape(array , newshape , order = 'C')

参数	描述
array	要修改形状的数组
newshape	整数或整数数组，新的形状应该兼容原有形状
order	'C'——按行，'F'——按列，'A'——原顺序，'K'——元素咋内存中出现的顺序

import numpy as np

a_array=np.arange(16)

print(a_array,'\n')

b_array=np.reshape(a_array,[4,4])

print(b_array,'\n')

# 也可以打点调用

c_array=a_array.reshape([2,8])

print(c_array)

[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15] 

[[ 0  1  2  3]

 [ 4  5  6  7]

 [ 8  9 10 11]

 [12 13 14 15]] 

[[ 0  1  2  3  4  5  6  7]

 [ 8  9 10 11 12 13 14 15]]

numpy.ndarray.flat

numpy.ndarray.flat为数组元素迭代器

array=np.arange(9).reshape([3,3])

print(array,'\n')

# 按行遍历数组

for row in array:

    print(row)

# 使用数组元素迭代器

for element in array.flat:

    print(element)

numpy.ndarray.flatten和numpy.ravel

numpy扁平化函数
numpy.ndarray.flatten返回一份数组拷贝，对拷贝内容的修改不影响原始数值；
numpy.ravel返回一个数组的视图，修改视图时会影响原始数组

numpy.ndarray.flatten(order = 'C')

numpy.ravel(order = 'C')

参数	描述
order	'C'——按行，'F'——按列，'A'——原顺序，'K'——元素咋内存中出现的顺序

array=np.arange(16).reshape([4,4])

print(array,'\n')

print(array.flatten(),'\n')

print(array.ravel())

[[ 0  1  2  3]

 [ 4  5  6  7]

 [ 8  9 10 11]

 [12 13 14 15]] 

[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15] 

[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15]

a_array=np.arange(16).reshape([4,4])

print(a_array,'\n')

#创建和a_array同样的数组b_array

b_array=a_array.copy()

c_array=a_array.ravel()

d_array=array.flatten()

print('c_array:')

print(c_array)

print('d_array:')

print(d_array,'\n')

c_array[1]=100

d_array[1]=100

print('a_array:')

print(a_array)

print('b_array:')

print(b_array,'\n')

[[ 0  1  2  3]

 [ 4  5  6  7]

 [ 8  9 10 11]

 [12 13 14 15]] 

c_array:

[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15]

d_array:

[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15] 

a_array:

[[  0 100   2   3]

 [  4   5   6   7]

 [  8   9  10  11]

 [ 12  13  14  15]]

b_array:

[[ 0  1  2  3]

 [ 4  5  6  7]

 [ 8  9 10 11]

 [12 13 14 15]]

翻转数组

transpose和ndarray.T

numpy数组转置函数

a_array=np.arange(16).reshape([4,4])

print('a_array:\n',a_array)

print('使用transpose后:')

print(np.transpose(a_array))

print('使用.T转置后：')

print(a_array.T)

a_array:

 [[ 0  1  2  3]

 [ 4  5  6  7]

 [ 8  9 10 11]

 [12 13 14 15]]

使用transpose后:

[[ 0  4  8 12]

 [ 1  5  9 13]

 [ 2  6 10 14]

 [ 3  7 11 15]]

使用.T转置后：

[[ 0  4  8 12]

 [ 1  5  9 13]

 [ 2  6 10 14]

 [ 3  7 11 15]]

numpy.swapaxes

numpy用于交换数组两个轴的函数

numpy.swapaxes(arr , axis1, axis2)

参数	描述
arr	输入数组
axis1	对应数组第一个轴
axis2	对应数组第二个轴

array=np.arange(8).reshape(2,2,2)

print(array)

# 交换第零个轴和第二个轴

print(np.swapaxes(array,0,2))

[[[0 1]

  [2 3]]

 [[4 5]

  [6 7]]]

[[[0 4]

  [2 6]]

 [[1 5]

  [3 7]]]


(0)000->(0)000	(1)001->(4)100
(2)010->(2)010	(3)011->(6)110
(4)100->(1)001	(5)101->(5)101
(6)110->(3)011	(7)111->(7)111

巴特西

初探numpy——广播和数组操作函数

numpy广播（Broadcast）

numpy数组操作函数

修改数组形状

numpy.reshape()

numpy.ndarray.flat

numpy.ndarray.flatten和numpy.ravel

翻转数组

transpose和ndarray.T

numpy.swapaxes

最新文章

热门文章