import numpy as np

'''

一.算术运算

   元素级

   1.标量 加减乘除 数组（元素级：位置对应） 自增和自减  通用函数

   2.数组 +-*/ 数组    （元素级）

   3.条件和布尔运算  a>0.5  满足的True，不满足False    a[a>0.5]:满足条件的组成新的数组

   非元素级

   1.矩阵的积 dot（A,B）  A.dot(B)

   2.聚合函数     【求和：a.sum(),最值：a.max(),平均值：a.mean(),标准差：a.std()】 

二.数组操作

    1.连接数组【同矩阵类似】

    1.1垂直扩展（入栈）  vstack（A,B）

    1.2水平扩展（入栈）  hstack（A,B）

    2.数组切分

    2.1垂直切分         vsplit()

    2.2水平切分         hsplit()

    2.3  np.split(H,(1,3),axis=0)  split切分，需要指定轴

三.常用概念

    1.副本或视图：数组运算 和 操作  返回的不是副本就是视图   但是赋值运算不会创建副本【a  b = a  b在运用时时在调用a，没有副本，所以a改变了，b的调用值夜改变】可以用copy（）创建副本

    2.向量化

    3.广播机制  【数组兼容：两数组的每一维等长或者其中一个数组是一维的】【两原则：1.缺失的维度补上1    2.较小数组扩充维度，使之与大数组维度相同】

    4.结构化数组

    5.数组文件的读写

'''

A = np.zeros((3,3))  ##3行3列

B = np.ones((2,3))   ##2行3列

C = np.transpose(B)  ##转置

D = np.vstack((A,B))

E = np.hstack((A,C))

F = np.transpose((D))

H = np.vstack((E,F))

##1.1垂向入栈

print(D)

'''

[[0. 0. 0.]

 [0. 0. 0.]

 [0. 0. 0.]

 [1. 1. 1.]

 [1. 1. 1.]]

'''

##1.2横向入栈

print(E)

'''

[[0. 0. 0. 1. 1.]

 [0. 0. 0. 1. 1.]

 [0. 0. 0. 1. 1.]]

'''

print(H)

'''

[[0. 0. 0. 1. 1.]

 [0. 0. 0. 1. 1.]

 [0. 0. 0. 1. 1.]

 [0. 0. 0. 1. 1.]

 [0. 0. 0. 1. 1.]

 [0. 0. 0. 1. 1.]]

'''

##2.1垂直切分  np.vsplit(H,2)均分为两部分

[A1,A2,A3] = np.vsplit(H,(1,3))   ##  按行索引1,3,分开，分成3部分

print(A1)

print(A2)

print(A3)

##2.2水平切分

[B1,B2,B3] = np.hsplit(H,(1,3))   ##  按列索引1,3,分开，分成3部分

print(B1)

print(B2)

print(B3)

##2.3  np.split(H,(1,3),axis=0)  split切分，需要指定轴

###  广播机制

a = np.arange(16).reshape((4,4))

b = np.arange(4)

print(a.shape)

print(b.shape)

'''

[[ 0  1  2  3]

 [ 4  5  6  7]

 [ 8  9 10 11]

 [12 13 14 15]]

[0 1 2 3]

(4, 4)

(4,)  为缺失的维度补上1  （4,1）

'''

c = a+b

print(c)

'''

[[ 0  2  4  6]

 [ 4  6  8 10]

 [ 8 10 12 14]

 [12 14 16 18]]

 一维数组+二维数组，其中一个数组是一维，满足兼容条件。可以应用广播机制。

 第二个原则：缺失元素都用已有元素填充

 [0,1,2,3]

 填充后

 [[0,1,2,3]

 [0,1,2,3]

 [0,1,2,3]

 [0,1,2,3]]

'''

###两个数组形状和维度不同

m = np.arange(6).reshape(3,1,2)

n = np.arange(6).reshape(3,2,1)

print(m)

print(n)

print(m+n)

'''

[[[0 1]]           

 [[2 3]]

 [[4 5]]]

[[[0]

  [1]]

 [[2]

  [3]]

 [[4]

  [5]]]

m数组：第二维1 扩充到2   已有元素填充

[[[0 1]，[[0 1]]           

 [[2 3]，[2 3]]

 [[4 5]，[4 5]]]

n数组 ：第3维 1 扩充到2   已有元素填充

[[[0，1],[1,1]]

 [[2,2],[3,3]]

 [[4,4],[5,5]]]

m+n:

[[[ 0  1],[ 1  2]]

 [[ 4  5],[ 5  6]]

 [[ 8  9],[ 9 10]]]

'''