python numpy随笔（数组的修改、向量化、结构化）

1. 修改（对象的副本或视图）

   import numpy as np
   
   a = np.arange(16).reshape((4, 4))
   
   # 赋值（与列表相同，都是指向同一内存地址，当其中一个元素发生改变时，另外一个也改变）
   b = a
   
   # 赋值（这里相当于列表的深度拷贝，内存地址不同）
   c = a.copy()
   
   # 这时经过切分，内存地址也不同，当a或b发生改变时，c不会发生改变
   d = a[[1,2],]
   
   b[1][1] = 111   #这里改变时，a里的元素也发生改变
   

2. 向量化（其实就是使代码更简洁，可读性更强，使代码更贴近于数学运算，如求a*b 使用for循环）

   import numpy as np
   
   a = np.arange(16).reshape((4, 4))
   
   b = np.arange(16).reshape((4, 4))
   
   c = np.zeros((4,4))
   
   rows = a.shape[0]
   columns = a.shape[1]
   
   for i in range(rows):
       for j in range(columns):
           c[i][j] = a[i][j] * b[i][j]
   
   print(c)
3. 结构化（结构化就是在数据里使用多种类型，相似于c语言中的结构体）

   import numpy as np
   
   """
   元素类型简写
   bytes                   b1
   int                     i1,i2,i4,i8
   unsigned ints           u1,u2,u4,u8
   floats                  f2,f4,f8
   comples                 c8,c16
   fixed length strings    a<n>
   """
   
   # a 与 b 其实相同，只是一个用简写说明，另外一用具体类型说明。
   a = np.array([(1, 'xiaohong', 88.5, 2 - 2j), (2, 'xiaoming', 81.5, 1 + 2j), (1, 'xiaoshan', 67, 1 + 2j)],
                dtype=('i2,a8,f4,c8'))
   b = np.array([(1, 'xiaohong', 88.5, 2 - 2j), (2, 'xiaoming', 81.5, 1 + 2j), (1, 'xiaoshan', 67, 1 + 2j)],
                dtype=('int16,a8,float16,complex64'))
   
   print(a.dtype)  # [('f0', '<i2'), ('f1', 'S8'), ('f2', '<f4'), ('f3', '<c8')]
   
   # 查找第二个列
   print(a[1])  # (2, b'xiaoming', 81.5, 1.+2.j)
   
   # 根据名字查找
   print(a['f1'])  # [b'xiaohong' b'xiaoming' b'xiaoshan']
   
   # 使用自定义名字。
   c = np.array([(1, 'xiaohong', 88.5, 2 - 2j), (2, 'xiaoming', 81.5, 1 + 2j), (1, 'xiaoshan', 67, 1 + 2j)],
                dtype=[("id", 'i2'), ('name', 'a8'), ('score', 'f4'), ('complex', 'c8')])
   
   # 根据名字查找
   print(c['name'])  # [b'xiaohong' b'xiaoming' b'xiaoshan']
   
   # 修改名字
   a.dtype.names = ('id', 'name', 'score', 'complex')
   
   print(a['score'])  # [88.5 81.5 67. ]