"""

Numpy 数组操作

修改数组形状

函数             描述

reshape         不改变数据的条件下修改形状

flat            数组元素迭代器

flatten         返回一份数组拷贝，对拷贝所做的修改不会影响原始数组

ravel           返回展开数组

"""

import  numpy as np

'''

numpy.reshape

numpy.reshape 函数可以在不改变数据的条件下修改形状，格式如下： numpy.reshape(arr, newshape, order='C')

arr：要修改形状的数组

newshape：整数或者整数数组，新的形状应当兼容原有形状

order：'C' -- 按行，'F' -- 按列，'A' -- 原顺序，'k' -- 元素在内存中的出现顺序。

'''

'''

a = np.arange(8)

print('原始数组：')

print(a)

print('\n')

b = a.reshape(4,2)

print('修改后的数组：')

print(b)

'''

'''

numpy.ndarray.flat

numpy.ndarray.flat 是一个数组元素迭代器，实例如下:

'''

'''

a = np.arange(9).reshape(3,3)

print('原始数组：')

for row in a:

    print(row)

# 对数组中每个元素都进行处理，可以使用flat属性，该属性是一个数组元素迭代器

print('迭代后的数组：')

for element in a.flat:

    print(element)

'''

'''

numpy.ndarray.flatten

numpy.ndarray.flatten 返回一份数组拷贝，对拷贝所做的修改不会影响原始数组，格式如下：

ndarray.flatten(order='C')

参数说明：

order：'C' -- 按行，'F' -- 按列，'A' -- 原顺序，'K' -- 元素在内存中的出现顺序。

'''

'''

a = np.arange(8).reshape(2,4)

print('原数组：')

print(a)

print('\n')

#默认按行

print('展开的数组：')

print(a.flatten())

print('\n')

print('以 F 风格顺序展开的数组：')

print(a.flatten(order = 'F'))

'''

'''

numpy.ravel

numpy.ravel() 展平的数组元素，顺序通常是"C风格"，返回的是数组视图（view，有点类似 C/C++引用reference的意味），修改会影响原始数组。

该函数接收两个参数：

numpy.ravel(a, order='C')

参数说明：

order：'C' -- 按行，'F' -- 按列，'A' -- 原顺序，'K' -- 元素在内存中的出现顺序。

'''

'''

a = np.arange(8).reshape(2,4)

print('原始数组：')

print(a)

print('\n')

print('调用 ravel 函数之后：')

print(a.ravel())

print('\n')

print('以 F 风格顺序调用 ravel 函数之后：')

print(a.ravel(order = 'F'))

'''

'''

翻转数组

函数                 描述

transpose           对换数组的维度

ndarray.T           和self.transpose()相同

rollaxis            向后滚动指定的轴

swapaxes            对换数组的两个轴

'''

'''

numpy.transpose

numpy.transpose 函数用于对换数组的维度，格式如下：

numpy.transpose(arr, axes)

参数说明:

arr：要操作的数组

axes：整数列表，对应维度，通常所有维度都会对换。

'''

'''

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

print('原数组：')

print(a)

print('\n')

print('对换数组：')

print(np.transpose(a))

'''

'''

numpy.ndarray.T 类似 numpy.transpose：

'''

'''

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

print('原数组：')

print(a)

print('\n')

print ('转置数组：')

print (a.T)

'''

'''

numpy.rollaxis

numpy.rollaxis 函数向后滚动特定的轴到一个特定位置，格式如下：

numpy.rollaxis(arr, axis, start)

参数说明：

arr：数组

axis：要向后滚动的轴，其它轴的相对位置不会改变

start：默认为零，表示完整的滚动。会滚动到特定位置。

'''

'''

# 创建了三维的 ndarray

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

print('原数组：')

print(a)

print('\n')

# 将轴 2 滚动到轴 0 （宽度到深度）

print('调用 rollaxis 函数：')

print(np.rollaxis(a,2))

# 将轴 0 滚动到轴 1：（宽度到高度）

print('\n')

print('调用 rollaxis 2 函数：')

print(np.rollaxis(a,2,1))

'''

'''

a = np.array([[78, 34, 87, 25, 83], [25, 67, 97, 22, 13], [78, 43, 87, 45, 89]])

print('原始数组：')

print(a)

print('轴 axis=0 是竖轴的数据,第一行打印出了每列的最大值')

print(a.max(axis=0))

print('轴 axis=1 axis=1就是横轴的')

print(a.max(axis=1))

'''

'''

a = np.array([[[0, 1], [2, 3]], [[4, 5], [6, 7]]])

print('原始数组：')

print(a)

print(a.shape)

print('\n')

print('轴 axis=0：')

print(a.max(axis=0))

print('\n')

print('轴 axis=1：')

print(a.max(axis=1))

print('\n')

print('轴 axis=2：')

print(a.max(axis=2))

'''

'''

numpy.swapaxes

numpy.swapaxes 函数用于交换数组的两个轴，格式如下：

numpy.swapaxes(arr, axis1, axis2)

arr：输入的数组

axis1：对应第一个轴的整数

axis2：对应第二个轴的整数

'''

'''

# 创建三维的 ndarray

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

print ('原数组：')

print (a)

print ('\n')

# 现在交换轴 0（深度方向）到轴 2（宽度方向）

print ('调用 swapaxes 函数后的数组：')

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

'''

'''

修改数组维度

维度                 描述

broadcast           产生模仿广播的对象

broadcast_to        将数组广播到新形状

expand_dims         扩展数组的形状

squeeze             从数组的形状中删除一维条目

'''

'''

numpy.broadcast用于模仿广播的对象，它返回一个对象，该对象封装了将一个数组广播到另一个数组的结果。

'''

'''

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

y = np.array([4,5,6])

print('x 原数组：\n',x)

print('y 原数组：\n',y)

# 对 y 广播 x

b = np.broadcast(x,y)

# 它拥有 iterator 属性，基于自身组件的迭代器元组

print('对 y 广播 x：')

r,c = b.iters

#Python3.x 为 next(context) ，Python2.x 为 context.next()

print(next(r),next(c))

print(next(r),next(c))

print(next(r),next(c))

print(next(r),next(c))

print(next(r),next(c))

print(next(r),next(c))

print(next(r),next(c))

print(next(r),next(c))

print(next(r),next(c))

print('广播结束')

# print(next(r),next(c))

print('\n')

#shape 属性返回广播对象的形状

print ('广播对象的形状：')

print (b.shape)

print ('\n')

# 手动使用 broadcast 将 x 与 y 相加

b = np.broadcast(x,y)

# 创建空数组的实例：

# numpy.empty 方法用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组：

# numpy.empty(shape, dtype = float, order = 'C')

c = np.empty(b.shape)

print('c 的 shape：\n',c)

print('手动使用 broadcast 将 x 与 y 相加：')

print(c.shape)

print('\n')

# numpy.ndarray.flat 是一个数组元素迭代器

c.flat = [u + v for (u, v) in b]

print('c 函数：',c.dtype)

print('调用 flat 函数：')

print(c)

print('\n')

# 获得了和 NumPy 内建的广播支持相同的结果

print('x 与 y 的和：')

print(x + y)

'''

'''

numpy.broadcast_to

numpy.broadcast_to 函数将数组广播到新形状。它在原始数组上返回只读视图。 它通常不连续。 如果新形状不符合 NumPy 的广播规则，该函数可能会抛出ValueError。

numpy.broadcast_to(array, shape, subok)

'''

'''

a = np.arange(4).reshape(1,4)

print('原数组：\n',a)

print('调用 broadcast_to 函数之后：')

print(np.broadcast_to(a,(4,4)))

'''

'''

numpy.expand_dims

numpy.expand_dims 函数通过在指定位置插入新的轴来扩展数组形状，函数格式如下:

 numpy.expand_dims(arr, axis)

参数说明：

arr：输入数组

axis：新轴插入的位置

'''

'''

x = np.array(([1,2],[3,4]))

print('数组 x：\n',x)

y = np.expand_dims(x,axis=0)

print('数组 y：\n',y)

print('数组 x 和 y 的形状：\n',x.shape,y.shape)

print('在位置 1 插入轴之后的数组 y：\n',y)

print('x.ndim 和 y.ndim：\n',x.ndim,y.ndim)

print('x.shape 和 y.shape：',x.shape,y.shape)

'''

'''

numpy.squeeze

numpy.squeeze 函数从给定数组的形状中删除一维的条目，函数格式如下：

numpy.squeeze(arr, axis)

参数说明：

arr：输入数组

axis：整数或整数元组，用于选择形状中一维条目的子集

'''

x = np.arange(9).reshape(1,3,3)

print('数组 x：\n',x)

y = np.squeeze(x)  # 从数组的形状中删除单维条目，即把shape中为1的维度去掉

print('数组 y：\n',y)

print('数组 x 和 y的形状：', x.shape , y.shape)