Numpy入门

Numpy入门

ref：numpy文档

  • 在 NumPy 中，axis 参数用于指定在多维数组上进行操作的维度。[比较难以理解其在不同维度的作用，axis=0表征其对第0维即每一行进行跨行操作]
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
>>> b = np.arange(12).reshape(3, 4)
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

>>> b.sum(axis=0)     # sum of each column
array([12, 15, 18, 21])

>>> b.min(axis=1)     # min of each row
array([0, 4, 8])

>>> b.cumsum(axis=1)  # cumulative sum along each row
array([[ 0,  1,  3,  6],
       [ 4,  9, 15, 22],
       [ 8, 17, 27, 38]])
  • 利用切片操作来逆转数组
    • 切片操作的语法是 a[start:stop:step]，其中：
      • start：切片的起始索引（包含），如果省略，则默认从序列的开头开始。
      • stop：切片的结束索引（不包含），如果省略，则默认到序列的末尾结束。
      • step：切片的步长，决定了从 start 到 stop 之间的元素是按什么间隔选取的。如果 step 为正数，序列将从左到右取值；如果 step 为负数，序列将从右到左取值。
    • 因此，a[::-1] 会从序列的最后一个元素开始，逆序逐个选取元素，直到取完第一个元素。这实际上就是将序列反转了。
1
>>> a[::-1]  # reversed a

  • reshape vs resize

    • reshape 返回一个新的数组，原数组保持不变。[创建的是一个视图，原数据不改变，除非进行操作影响了共享的内存。]

      resize 直接修改原数组，返回值为 None。[原地操作]

  • 将不同的数组堆叠

    • 对于具有两个以上维度的数组， hstack沿其第二个轴堆叠，vstack沿其第一个轴堆叠，
1
2
3
4
5
6
7
8
9
10
11
12
13
14
>>> a = np.floor(10 * rg.random((2, 2)))
array([[9., 7.],
       [5., 2.]])
>>> b = np.floor(10 * rg.random((2, 2)))
array([[1., 9.],
       [5., 1.]])
>>> np.vstack((a, b)) #垂直拼接，沿着行进行拼接
array([[9., 7.],
       [5., 2.],
       [1., 9.],
       [5., 1.]])
>>> np.hstack((a, b)) #水平拼接，沿着列进行拼接
array([[9., 7., 1., 9.],
       [5., 2., 5., 1.]])