Numpy基础（切片 索引 排序）

操作系统：windows7+Anaconda3+python3.6

矩阵运算

(M行, N列) * (N行, Z列) = (M行, Z列)

import numpy as np
score =  np.array([[8, 3], [5, 2], [4, 7],[6,5]])
a = np.array([[0.4],[0.6]])

np.dot(score,a)
Out[62]: 
array([[5. ],
       [3.2],
       [5.8],
       [5.4]])

行拼接

• 矩阵水平拼接

import numpy as np
In[2]: a = [[1,2,8],[0,2,5]]
In[2]: a
Out[66]: [[1, 2, 8], [0, 2, 5]]

In[2]: b = [[3,2,5],[7,2,1]]
In[2]: b
Out[68]: [[3, 2, 5], [7, 2, 1]]

In[2]: result = np.hstack((a, b))
In[2]: result
Out[70]: 
array([[1, 2, 8, 3, 2, 5],
       [0, 2, 5, 7, 2, 1]])
In[2]: print(result)
[[1 2 8 3 2 5]
 [0 2 5 7 2 1]]

列拼接

• 矩阵垂直拼接

import numpy as np
a = [[1,2,8],[0,2,5]]
b = [[3,2,5],[7,2,1]]
c = np.vstack((a,b))
c
Out[82]: 
array([[1, 2, 8],
       [0, 2, 5],
       [3, 2, 5],
       [7, 2, 1]])

数组的索引，切片

In[2]: import numpy as np
In[3]: n_array = np.array([[1,2,3,4,5],[6,7,8,9,0],[3,4,5,6,7],[7,6,5,4,3],[6,8,9,2,3]])

In[5]: n_array
Out[5]: 
array([[1, 2, 3, 4, 5],
       [6, 7, 8, 9, 0],
       [3, 4, 5, 6, 7],
       [7, 6, 5, 4, 3],
       [6, 8, 9, 2, 3]])

In[4]: n_array[:,1]  #选择当前二维数组第二列
Out[4]: array([2, 7, 4, 6, 8])

n_array[1,:]    #选择当前二维数组第二行
Out[6]: array([6, 7, 8, 9, 0])

创建0-23, 共2个三行四列的三维数组

a = np.arange(24).reshape((2,3,4))
a
Out[13]: 
array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]],
       [[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]]])a[1][0][0]

In[14]: a[1][0][0]  #获取12
Out[14]: 12
    
In[14]: a[1,:]  # 选取第一维数组里面所有
Out[15]: 
array([[12, 13, 14, 15],
       [16, 17, 18, 19],
       [20, 21, 22, 23]])

In[14]: a[:, 1] # 选取所有维度 第一行
Out[16]: 
array([[ 4,  5,  6,  7],
       [16, 17, 18, 19]])

In[14]: a[1,:,3] # 选取第一维度数组 所有行里的 第三个值
Out[18]: array([15, 19, 23])
 
In[14]: a[:,0:2,1] #选取所有维度的 第0行到第2行, 取元素第1个
Out[20]: 
array([[ 1,  5],
       [13, 17]])

生成一个两行三列的数组
Out[7]: n_arry = np.empty((2,3))
Out[7]: n_arry
Out[7]: 
array([[1.196e-321, 0.000e+000, 0.000e+000],
       [0.000e+000, 0.000e+000, 0.000e+000]])
Out[7]: n_arry.astype(np.int) #将数组类型强制转换为int 
Out[8]: 
array([[0, 0, 0],
       [0, 0, 0]])

Out[8]: n_arry = np.array([[1,2,3],[4,5,6]])
Out[8]: n_arry
Out[13]: 
array([[1, 2, 3],
       [4, 5, 6]])
Out[8]: n_arry.shape #返回数组的形状
Out[14]: (2, 3)

    
Out[16]: n_arry.shape[0] #返回数组有几行
Out[15]: 2
Out[16]: n_arry.shape[1] #返回数组有几列
Out[16]: 3

reshape改变数组形状(要求前后元素个数匹配)

In[2]: import numpy as np
In[3]: a = np.ones([6])
In[4]: a
Out[4]: array([1., 1., 1., 1., 1., 1.]) # 1行6列

In[5]: b = a.reshape([2,3])  # 改变成2行3列
In[6]: b
Out[6]: 
array([[1., 1., 1.],
       [1., 1., 1.]])

Numpy读取数据

读取csv格式的文件 以下两种方法效果相同

my_content = np.loadtxt(open("score.csv","rb"),delimiter=",")
my_content = np.genfromtxt("score.csv",delimiter=",")  **sort排序**  

sort排序

import numpy as np
a = np.array([2,5,6,8,1,12])
np.sort(a,axis=0)  # axis=0 表示行
Out[4]: array([ 1,  2,  5,  6,  8, 12])

# ndarray转为python list
np.tolist()

# 数组去重,把重复去掉,并且按从小到大生成一个新的数组
np.unique(a)
# 删除数组
np.delete(a)