param = [1,2,3,4,5,6,7,8,9,0]
a1,a2,a3,a4 = param[:4]
a5,a6,a7,a8= param[4:8]
print a1,a2,a3,a4
print a5,a6,a7,a8
- - (n，)array
param = np.array([1,2,3,4,5,6,7,8,9,0])
a1,a2,a3,a4 = param[:4]
a5,a6,a7,a8= param[4:8]
print a1,a2,a3,a4
print a5,a6,a7,a8
- - (n，1)、(n，m)array
param = param.reshape(len(param), 1)
a1,a2,a3,a4 = param[:4] # 相当于按行切片赋值
a5,a6,a7,a8= param[4:8]
print a1,a2,a3,a4
print a5,a6,a7,a8
删除list中元素的三种方法
a.pop(index):删除列表a中index处的值,并且返回这个值.
del(a[index]):删除列表a中index处的值,无返回值. del中的index可以是切片,所以可以实现批量删除.
a.remove(value):删除列表a中第一个等于value的值,无返回.
e.g:
b = [1,2,3,4,5,6,7,8,9]
del(b[1:4]) //该方法不适用与numpy类型
b = [1,5,6,7,8,9]
关于切片赋值
- - list
param = [1,2,3,4,5,6,7,8,9,0]
a1,a2,a3,a4 = param[:4]
a5,a6,a7,a8= param[4:8]
print a1,a2,a3,a4
print a5,a6,a7,a8
- - (n，)array
param = np.array([1,2,3,4,5,6,7,8,9,0])
a1,a2,a3,a4 = param[:4]
a5,a6,a7,a8= param[4:8]
print a1,a2,a3,a4
print a5,a6,a7,a8
- - (n，1)、(n，m)array
param = param.reshape(len(param), 1)
a1,a2,a3,a4 = param[:4] # 相当于按行切片赋值
a5,a6,a7,a8= param[4:8]
print a1,a2,a3,a4
print a5,a6,a7,a8
shape
param = param.reshape(len(param), 1)
a1,a2,a3,a4 = param[ :4,0]
a5,a6,a7,a8= param[4:8, 0]
print a1,a2,a3,a4
print a5,a6,a7,a8
shape为(n,)的array具有list、行向量、列向量性质；shape为（n,1）的array不具有list属性，需用双索引
#
a = [1,2,3]
a_lis = [a,a,a]
a_arr = np.array(a_lis)
print a_arr[1]
print np.shape(a_arr) # (3L, 3L)
print np.shape(a_arr[1]) # (3L,)
b,c,d = a_arr[1] # 1 2 3
print b,c,d
# numpy、sympy
- arr = np.array([1,2,...,n])生成的数组，其维度不是（n,1）,也不是（1，n），而是（n,）; 可以当列向量用，也可以当行向量用，但是arr[i,0]这种双索引会报错，只能使用arr[i]此种单索引形式；
e.g:
b = [1,2,3,4,5,6,7,8,9]
b_arr = np.array(b)
print np.shape(b_arr)
b_arr = b_arr.reshape(np.shape(b_arr)[0], 1)
print np.shape(b_arr)
output:
(6L,)
(6L, 1L)
- Matrix([[1,2,...,n]]) 默认生成的是列向量, 其shape是（n,1）;
- np.array(Matrix([[1,2,...,n]])) , 并不改变shape,其shape也是（n,1）;