技術標籤：python

判斷array是多少維度（ndarray，n=？）：數最前面的方括號有幾個
e.g. 【【【【 ----> 4darray

1. numpy的屬性

array = np.array([[1, 2, 3], [2, 3, 4], [3, 4, 5]])

array.size #9
array.shape #(3, 3)
array.ndim #2
array.dtype #int32

2. numpy運算

1. 按位運算
   operation between two arrays: element-wise operations

+ - * /
** 次方
% 取模
// 取整
 

e.g. arr1 + arr2

operation between an array and a number: apply the number to all the elements of the array

+ - * /
邏輯運算 e.g. arr1 > 3

3）矩陣運算

np.dot(arr1, arr2) or arr1.dot(arr2)

4. 轉秩

arr1.T
np.transpose(arr1)

5. 隨機矩陣

np.random.random((row, col)) #隨機數取值範圍[0，1）random floats in the half-open interval [0.0, 1.0).

6. sum

• Axis or axes along which a sum is performed. axis=0, 求和所有行，所以每一列得到一個值。axis=1, 求和所有列，所以每一行得到一個值
• The default, axis=None, will sum all of the elements of the input array. If axis is negative it counts from the last to the first axis.
• The default, axis=None, will sum all of the elements of the input array. If axis is negative it counts from the last to the first axis.

7）min，max
得到值：
np.min(arr)
np.max(arr)
得到索引：
np.argmin(arr)
np.argmax(arr)

8. mean, median, sqrt, sort(對每一行進行從小到大排序）, clip(小於lower_bound的數=lower_bound, 大於upper_bound的=upper_bound）
   np.mean(arr)
   arr.mean()

np.median(arr)

np.sqrt(arr)

np.sort(arr)

np.clip(arr, lower_bound, upper_bound)

3. numpy的索引

1. 索引
   row，col索引都從0開始
   arr[1]: row 1
   arr[1][1]: element(1,1)
   arr[1,2]: element(1,2)
   arr[:,2]: col 2

2）迭代行：for迴圈用來迭代arr的每一行
arr: [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
print(arr)

[[1 2 3]
[4 5 6]
[7 8 9]]

for i in arr:
print(i) #operations on each row

[1 2 3]
[4 5 6]
[7 8 9]

3）迭代列：for迴圈用來迭代arr的每一列
for i in arr.T:
print(i) #operations on each column
[1 4 7]
[2 5 8]
[3 6 9]

4)迭代元素：
for i in arr.flat:
print(i) #operations on each element
1
2
3
4
5
6
7
8
9

4. array合併

1）垂直合併
np.vstack((arr1, arr2, arr3, …))
2）水平合併
np.hstack((arr1, arr2, arr3, …))

3. np.concatenate((arr1, arr2, …), axis = 0/1/None)

• axis: int, optional. The axis along which the arrays will be joined. If axis is None, arrays are flattened before use. Default is 0.
• The arrays must have the same shape, except in the dimension corresponding to axis (the first, by default).
• Note: axis = r / c, the dimension of r / c 被改變

4. reshape or add new axis

• arr.reshape(int or tuple of ints) or numpy.reshape(arr, int or tuple of ints):
  如果newshape是int，那麼變成一個一維陣列；
  如果newshape是一個tuple，那麼這個tuple是返回陣列的shape，如（1，3，2）；
  新的形狀應該與原來的形狀相容；
  一個形狀尺寸可以是-1。在本例中，該值是根據陣列的長度和其餘維推斷出來的，如：-1在下圖中代表3
  
• arr.reshape（1，-1）：不論原來的shape是什麼樣，現在變成一個只有一行的2d array
  e.g. arr = np.array([[[1,2,3]],
  [[4,5,6]]])
  print(arr.shape)
  print(arr.reshape(1,-1))

(2, 1, 3)
[[1 2 3 4 5 6]]

• arr.reshape(-1,1): 不論原來的shape是什麼樣，現在變成一個只有一列的2d array

• np.newaxis: 在某一dim和某一dim之間新增一個dim=1
  e.g. arr = np.array([[[1,2,3]],
  [[4,5,6]]])
  arr1 = arr[:, np.newaxis, :, :] #arr1: (2, 1, 1, 3)

在最前面或最後面新增一個dim=1

arr2 = arr[np.newaxis, …] #arr2: (1, 2, 1, 3)
arr3 = arr[…, np.newaxis] #arr3: (2, 1, 3, 1)

print(arr1)
[[[[1 2 3]]]

[[[4 5 6]]]]

5. np.atleast_2d(arr): 將小於2d的arr變為2d資料，2d以上的保持不變； np.atleast_3d(arr): 將小於3d的arr變為2d資料，3d以上的保持不變；

5. array分割

1）arr1, arr2 （分成幾份就有幾個arr）= np.split(arr, 分成的份數, axis=1)
Note: axis=0 會改變行數，axis=1會改變列數。
split只可以等分成幾份（equal division）

2）np.array_split(arr, 3, axis=1)
array_split可以不等分

3）np.vsplit(arr, 3) 相當於np.split(arr, 3, axis=0) 垂直分割
np.hsplit(arr, 3) 相當於np.split(arr, 3, axis=1) 水平分割

6. 深淺拷貝

1）淺拷貝：arr2 = arr1 共享一塊記憶體（兩個指標指向一個地址），改變一個arr，另一個也會隨之改變
2）深拷貝：arr2 = arr.copy() 另外開闢一個地址，兩個arr不會互相影響