Numpy基础详细讲义（ndarray）

参考资料： MoModel python进阶

1. ndarray

###ndarray的创建和属性调用
ndarray是Numpy里很好用的数组工具。它可以通过以下方式创建：

import numpy as np
# 创建不同形状的数组
a = np.array([[1, 2, 3],[4, 5, 6]])
b = np.array([1, 2, 3, 4])
c = np.array([[[1, 2, 3],[4, 5, 6]],[[1, 2, 3],[4, 5, 6.0]]])
# 分别打印出形状
print(a.shape)
print(b.shape)
print(c.shape)

输出结果为

(2, 3)
(4,)
(2, 2, 3)

怎么理解这个结果呢？我的理解是：第n个数字表示第n级括号里有多少对（n+1）级的括号或元素。比如数组a，一级中括号下有两对中括号，二级中括号下有三个元素。所以输出为（2,3） 至于命名为shape，三维一下比较好理解，对一维数组而言是长度，对二维数组而言是长和宽，对三维数组而言是长宽高。

除了shape之外，ndarray数组还支持好多有用的属性：

• ndim ： 表示维数，向量组的秩（rank）
• size ： 整个ndarray中元素的数量
• dtype ：数组元素的类型 （上例数组 c 对应于 float 64） 写c.dtype就可以

ndarray基本操作

生成全为0 或 1 的数组

import numpy as np
zero = np.zeros([3, 4])  #生成 1 就用 np.ones([, ])
zero

还有eye可以生成“标准型”数组。
通过以上函数得到的数组都是float64类型

类型修改

a = ([2,2],[2,2])
a.astype(np.float32)

形状修改（很有用）

reshape(行数，列数)

from numpy import array
a = np.array([0,1,2,3,4,5,6,7,8])
a=a.reshape(3,3)
a

数组去重

np.unique(arr)

转化为矩阵（之后使用乘法会遵循矩阵乘法规则）

A = np.mat(a)

mat函数直接对普通的非ndarray也可以生效

2. IO操作

写出文件

使用savetext 可以把数组写进文件

np.savetxt('out.txt', data)

读入文件

1. 逐行读取

with open('out.txt') as f:
    for line in f:
        print(line)

2. 读入数组，存为ndarray类型

# 读取文件
np.loadtxt('out.txt')

3.自动生成等间隔的数组

import numpy as np
from numpy import array
a = np.arange(1,10,2)
b = np.linspace(1,10,10)
print(a)
print(b)

[1 3 5 7 9]
[ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.]
arange 不是arrange，令a，b，c分别为三个参数，生成数组范围是[a,b) ，c为step
linspace源自matlab，从a到b隔成c个
arange是一个人用步长量球场，给了起点终点步长，每一步脚印的坐标是数组元素，注意不能踩到终点
linspace是pdd要砍几刀（）

4.切片索引

x = np.arange(1, 13).reshape(3, 4)
print(x[2, :])
print(x[:, 1])

分别是取下标为2的行，和下标为1的列