Numpy

1、建立ndarray物件

1、arr.ndim：Numpy陣列維度資訊

2、arr.shape：Numpy陣列形狀資訊

3、np.empty並不能保證返回所有是0的陣列，某些情況下，會返回初始化時的垃圾數值

2、型別轉換

1、float變為int，小數點後的部分會被丟棄

2、可以用astype把string裡的數字變為實際的數字

*3、astype函式總是會返回一個新的陣列

3、陣列計算

1、任何兩個大小相等的陣列之間的運算，都是element-wise（點對點）

arr = np.array([[1., 2., 3.], [4., 5., 6.]])
array([[ 
 
1.,  2.,  3.],
       [ 4.,  5.,  6.]])
arr * arr
array([[  1.,   4.,   9.],
       [ 16.,  25.,  36.]])

2、如果涉及標量（scalar）的話，會涉及到陣列的每一個元素

1 / arr
array([[ 1.        ,  0.5       ,  0.33333333],
       [ 0.25      ,  0.2       ,  0.16666667]])
arr ** 0.5
array([[ 1.        ,  1.41421356,  1.73205081],
       [ 
 
2.        ,  2.23606798,  2.44948974]])
arr2 > arr

array([[False,  True, False],
       [ True, False,  True]], dtype=bool)

4、索引和切片

arr = np.arange(10)
arr
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
arr[5:8] = 12
arr
array([ 0,  1,  2,  3,  4, 12, 12, 12,  8,  9])

*1、把12賦給arr[5:8]，其實用到了broadcasted（廣播、廣式變換）

*2、python內建的list與numpy的array有個明顯的區別，這裡array的切片後的結果只是一個views（檢視），用來代表原有array對應的元素，而不是建立了一個新的array。但list裡的切片是產生了一個新的list

*3、如果想要複製，可以使用copy()方法，比如arr[5:8].copy()

4、nump索引和切片的順序是按shape所列出的順序進行索引和切片的

5、使用布林索引對行進行索引

names = np.array(['Bob', 'Joe', 'Will', 'Bob', 'Will', 'Joe', 'Joe'])
names
array(['Bob', 'Joe', 'Will', 'Bob', 'Will', 'Joe', 'Joe'], 
      dtype='<U4')
data = np.random.randn(7, 4)
data
array([[ 0.85947145, -2.49437476,  1.25012184,  1.27752535],
       [-0.4937663 ,  0.66665867,  1.42447218, -0.13281765],
       [ 0.37139927, -0.8753652 ,  1.40390804,  0.61556806],
       [ 0.33419279, -0.45132649, -0.20364103,  0.3050267 ],
       [-0.06436347,  0.04273151, -0.47264989,  2.02201285],
       [-1.50137347, -0.62250184, -0.85898857, -0.33666096],
       [ 0.75711807,  0.05412138, -0.4199252 ,  0.42394965]])
data[names == 'Bob']
array([[ 0.85947145, -2.49437476,  1.25012184,  1.27752535],
       [ 0.33419279, -0.45132649, -0.20364103,  0.3050267 ]])

6、使用布林索引對列進行索引

data[names == 'Bob', 2:]
array([[ 1.25012184,  1.27752535],
       [-0.20364103,  0.3050267 ]])

7、可以使用!=或者~表示非

8、組合多個布林條件，用布林運算子&、|，python中的關鍵詞and和or不管用

9、使用比較符號對資料進行篩選

data[data < 0] = 0
data
array([[ 0.85947145,  0.        ,  1.25012184,  1.27752535],
       [ 0.        ,  0.66665867,  1.42447218,  0.        ],
       [ 0.37139927,  0.        ,  1.40390804,  0.61556806],
       [ 0.33419279,  0.        ,  0.        ,  0.3050267 ],
       [ 0.        ,  0.04273151,  0.        ,  2.02201285],
       [ 0.        ,  0.        ,  0.        ,  0.        ],
       [ 0.75711807,  0.05412138,  0.        ,  0.42394965]])

5、花式索引

1、按一定順序選出幾行，可以用一個整數list或整數ndarray來指定順序

arr = np.empty((8, 4))
for i in range(8):
    arr[i] = i
arr
array([[ 0.,  0.,  0.,  0.],
       [ 1.,  1.,  1.,  1.],
       [ 2.,  2.,  2.,  2.],
       [ 3.,  3.,  3.,  3.],
       [ 4.,  4.,  4.,  4.],
       [ 5.,  5.,  5.,  5.],
       [ 6.,  6.,  6.,  6.],
       [ 7.,  7.,  7.,  7.]])
arr[[4, 3, 0, 6]]
array([[ 4.,  4.,  4.,  4.],
       [ 3.,  3.,  3.,  3.],
       [ 0.,  0.,  0.,  0.],
       [ 6.,  6.,  6.,  6.]])
arr[[-3, -5, -7]]
array([[ 5.,  5.,  5.,  5.],
       [ 3.,  3.,  3.,  3.],
       [ 1.,  1.,  1.,  1.]])

2、選出指定位置元素

arr = np.arange(32).reshape((8, 4))
arr
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],
       [24, 25, 26, 27],
       [28, 29, 30, 31]])
arr[[1, 5, 7, 2], [0, 3, 1, 2]]
array([ 4, 23, 29, 10])

[ 4, 23, 29, 10]分別對應(1, 0), (5, 3), (7, 1), (2, 2)

3、選取區域元素

arr[[1, 5, 7, 2]][:, [0, 3, 1, 2]]
array([[ 4,  7,  5,  6],
       [20, 23, 21, 22],
       [28, 31, 29, 30],
       [ 8, 11,  9, 10]])

4、先從arr中選出[1, 5, 7, 2]這四行，然後[:, [0, 3, 1, 2]]表示選中所有行，但是列的順序要按0,3,1,2來排

6、陣列轉置和軸交換

1、轉置也是返回一個view，而不是新建一個數組。有兩種方式，一個是transpose方法，一個是T屬性

arr = np.arange(8).reshape((4, 2))
print(arr.T)
print(arr)
[[0 2 4 6]
 [1 3 5 7]]
[[0 1]
 [2 3]
 [4 5]
 [6 7]]

2、對於多維陣列，transpose會接受由軸數字組成的tuple，來交換軸

arr = np.arange(16).reshape((2, 2, 4))
arr
array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7]],

       [[ 8,  9, 10, 11],
        [12, 13, 14, 15]]])
arr.transpose((1, 0, 2))
array([[[ 0,  1,  2,  3],
        [ 8,  9, 10, 11]],

       [[ 4,  5,  6,  7],
        [12, 13, 14, 15]]])

3、darray有個方法叫做swapaxes, 這個方法取兩個axis值，並交換這兩個軸

arr
array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7]],

       [[ 8,  9, 10, 11],
        [12, 13, 14, 15]]])
arr.swapaxes(1, 2) # 直交換second axis和last axis
array([[[ 0,  4],
        [ 1,  5],
        [ 2,  6],
        [ 3,  7]],

       [[ 8, 12],
        [ 9, 13],
        [10, 14],
        [11, 15]]])

swapaxes也是返回view，不生成新的data

本文參考來源：

https://github.com/BrambleXu/pydata-notebook