Numpy的陣列array和矩陣matrix

Numpy的主要物件是同種元素的多維陣列。區別於python的list（可儲存多種）。這是一個所有的元素都是一種型別，通過一個正整數元組索引的元素表格(通常元素是是數字)。

在Numpy種維度（dimensions）角坐軸（axes）

0維(標量)： 3

一維（陣列/向量）：[1，2]

二維（矩陣）：[[1,2],[3,4]]

三維（及以上稱為張量）：[[[1,2],[3,4]]

numpy的索引和切片區別

最主要的是，索引維度根據索引輸入維度，下降相應維度；切片，返回結果維度是不會下降的。

因此，"X[ 切片1,切片2]" 和" "X[切片1][切片2]"結果不相同。前面相當於”切片1" 匹配維度0索引，”切片2“匹配維度1索引。 後者則是， 先獲取"X[切片1]" （資料維度不變），在原來的資料維度上，再獲取依此”切片2“指定索引。

print("ndarray的基本索引")
x = np.array([[1,2],[3,4],[5,6]])
print(x.shape)
print(x[2],"   ",x[2][1]) # 索引獲取
print(x[2,1])

x = np.array([[ [1,2],[3,4] ,[[5,6],[7,8]]]])
print (x.shape)
print(x)
print(x[0,0,1])

y = x[0].copy() #生成一個副本
z = x[0] #未生成副本 。始終記得python賦值類似傳引用。
print(y)
print(z)

y[0,0] = 9 #獨立副本互不關聯
 

print(y)
print(x)
z[0,0] = 9 #
print(x)

#切片演示
print("narray的切片")
x = np.array([1,2,3,4,5])
print(x[1:4])
print(x[:3])
print(x[1:])
print(x)
print(x[0:4:2])

x = np.array([[1,2],[3,4],[5,6]])
print(x[:2])
print(x[:2,:1]) #索引。注意左閉右開。切片前後資料維度不會降低。這邊會生成成 索引值。最終形式是 [1,3]
print(x[:2][:1]) #切片。和上面值不一樣.切片不會改變資料維度。 過程是 獲取  [[1,2],[3,4]] 此時維度還是之前的， 再接[:1] ,相當於取[1,2]
 


x[:2,:1] = 9 #標量可以上升到任意維度進行廣播
#x[:2,:1] = 3,4 #將會排除異常。 標量外的其餘情況賦值，需要維度匹配. 全部是 切片，返回的資料維度不變。 有一個是標量，則是索引，維度下降