import numpy as np

x = np.arange(10)
x

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

X = np.arange(15).reshape(3, 5)
X

array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14]])

基本屬性

x.ndim
#檢視陣列維度

1

X.ndim

2

x.shape
#返回型別是一個元組。說明該陣列是一維陣列，包含10個元素

(10,)

X.shape
#說明該陣列是二維陣列，3行5列

(3, 5)

x.size
#表示元素個數

10

X.size

15

numpy.array資料的訪問

x

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

x[3]

3

x[-1]

9

X[2, 3]
#numpy中建議這種形式的資料索引

13

x[0:5]
#切片操作，不包含終止位

array([0, 1, 2, 3, 4])

x[4:]

array([4, 5, 6, 7, 8, 9])

x[:]

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

#也可加入步長
x[::2]

array([0, 2, 4, 6, 8])

x[0:7:2]

array([0, 2, 4, 6])

X

array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14]])

# 取X的前2行前3列
X[:2, :3]

array([[0, 1, 2],
[5, 6, 7]])

#不可以用X[:2][:3]的格式，這是取了X[:2]這個陣列中的前三個元素結果如下,而X[:2]中只有兩個元素，所以只取到了如下的結果
X[:2]
X[:2][:3]

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

#訪問矩陣的前2行中，每行步長為2的元素
X[:2, ::2]
 

array([[0, 2, 4],
[5, 7, 9]])

X[::-1, ::-1]
#將整個矩陣翻轉過來

array([[14, 13, 12, 11, 10],
[ 9, 8, 7, 6, 5],
[ 4, 3, 2, 1, 0]])

X[0]

array([0, 1, 2, 3, 4])

X[0, :]
#只取第一行

array([0, 1, 2, 3, 4])

X[0, :].ndim
#此時的X[0, :]為一維陣列

1

X[:, 0]
#只取第一列

array([ 0, 5, 10])

X[:, 0].ndim

1

子矩陣的修改會影響到原矩陣

subX = X[:2, :3]
subX

array([[0, 1, 2],
[5, 6, 7]])

subX[0, 0] = 888
subX

array([[888, 1, 2],
[ 5, 6, 7]])

X

array([[888, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[ 10, 11, 12, 13, 14]])

同樣原矩陣修改也會影響子矩陣

X[0, 0] = 0
X

array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14]])

subX

array([[0, 1, 2],
[5, 6, 7]])

要想子矩陣和原矩陣互不影響，呼叫格式為 subX = X[:2, :3].copy()

subX = X[:2, :3].copy()
subX

array([[0, 1, 2],
[5, 6, 7]])

subX[0, 0] = 888
subX

array([[888, 1, 2],
[ 5, 6, 7]])

X

array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14]])

reshape

x.shape
#x是一位陣列，只有10個元素

(10,)

#把x變成一個2行5列的矩陣
x.reshape(2, 5)

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

使用reshape函式並沒有改變x陣列本身

x

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

想要保留這種改變，則需要另一個變數來承接

a = x.reshape(2, 5)
a

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

也可以將x修改為一個二維的陣列

b = x.reshape(1, 10)
b

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

注意此時的陣列中是2個方括號

b.shape

(1, 10)

b.ndim

2

只指定行數，而不指定列數，可以用如下呼叫格式

b = x.reshape(10, -1)
b

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

b = x.reshape(2, -1)
b

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

同理只指定列數，而不指定行數，可以用如下呼叫格式

b = x.reshape(-1, 10)
b

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

b = x.reshape(-1, 5)
b

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

合併操作

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

array([1, 2, 3])

y = np.array([4, 5, 6])
y

array([4, 5, 6])

#拼接操作
np.concatenate([x, y])

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

# 也可以拼接三個陣列
z = np.array([88, 88, 88])
np.concatenate([x, y, z])

array([ 1, 2, 3, 4, 5, 6, 88, 88, 88])

二維陣列的拼接

A = np.array([[1, 2, 3],
              [4, 5, 6]])
A

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

np.concatenate([A, A])
#預設是按照行來拼接
# 可以理解為矩陣A有2個樣本，每個樣本有三個特徵值，拼接後變為4個樣本

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

np.concatenate([A, A], axis = 1)
#預設的axis = 0，按行拼接，axis = 1，按列拼接

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

二維陣列和一維陣列不能直接用np.concatenate拼接，因為維度不同，所以需要使用reshape

B = np.concatenate([A, z.reshape(1, -1)])
B

array([[ 1, 2, 3],
[ 4, 5, 6],
[88, 88, 88]])

也可以使用np.vstack()進行直接拼接

B = np.vstack([A, z])
#v表示vertical豎直方向拼接
B

array([[ 1, 2, 3],
[ 4, 5, 6],
[88, 88, 88]])

np.hstack() 水平方向的拼接

B = np.full(shape = (2, 2), fill_value = 555)
B

array([[555, 555],
[555, 555]])

np.hstack([A, B])

array([[ 1, 2, 3, 555, 555],
[ 4, 5, 6, 555, 555]])

分割操作

a = np.arange(10)
a

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

a1, a2, a3 = np.split(a, [3, 7])
#np.split()中第一個引數是切割物件，第二個引數是切割點
#[3, 7]表示0-3， 3-7， 7-9，包前不包後

a1

array([0, 1, 2])

a2

array([3, 4, 5, 6])

a3

array([7, 8, 9])

a1, a2 = np.split(a, [5])

a1

array([0, 1, 2, 3, 4])

a2

array([5, 6, 7, 8, 9])

分割二維陣列

A = np.arange(16).reshape(4, 4)
A

array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11],
[12, 13, 14, 15]])

A1, A2 = np.split(A, [1])
#分割矩陣的行

A1

array([[0, 1, 2, 3]])

A2

array([[ 4, 5, 6, 7],
[ 8, 9, 10, 11],
[12, 13, 14, 15]])

A1, A2 = np.split(A, [1], axis = 1)
#axis預設為0，分割行，axis = 1，分割列

A1

array([[ 0],
[ 4],
[ 8],
[12]])

A2

array([[ 1, 2, 3],
[ 5, 6, 7],
[ 9, 10, 11],
[13, 14, 15]])

豎直分割矩陣和水平分割矩陣

upper, lower = np.vsplit(A, [1])

upper

array([[0, 1, 2, 3]])

lower

array([[ 4, 5, 6, 7],
[ 8, 9, 10, 11],
[12, 13, 14, 15]])

left, right = np.hsplit(A, [3])

left

array([[ 0, 1, 2],
[ 4, 5, 6],
[ 8, 9, 10],
[12, 13, 14]])

right

array([[ 3],
[ 7],
[11],
[15]])

資料分割的意義在於，分割樣本特徵值和標籤

data = np.arange(16).reshape(4, 4)
data

array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11],
[12, 13, 14, 15]])

#例如最後一列是標籤
x, y = np.hsplit(data, [-1])

x

array([[ 0, 1, 2],
[ 4, 5, 6],
[ 8, 9, 10],
[12, 13, 14]])

y

array([[ 3],
[ 7],
[11],
[15]])

y[:, 0]

array([ 3, 7, 11, 15])