啥都甭說了，上程式碼！

# -*- coding: utf-8 -*-
"""
Created on Mon Sep 24 11:27:35 2018

@author: Lxiao217
"""

import numpy as np
import matplotlib.pyplot as plt
a = np.arange(12).reshape(3,4)
print(a.ndim) #陣列的軸數-----2
print(a.shape) #陣列的大小-----（3,4
print(a.size) #元素總數-----12
print(a.dtype)#元素型別的物件-----int32
print(a.itemsize)#每個元素的大小-----4（位元組為單位）
print(a.data) #包含陣列實際元素的緩衝區-----<memory at 0x...>
print(type(a))#陣列型別-----<class 'numpy.ndarray'>
print(type(np.array([1,2,3])))#內建的array-----<class 'numpy.ndarray'>
print('\n')
#陣列的建立
b = np.array([(1.1,2.2,3.3),(4.4,5.5,6.6)])
print(b)    
'''[[1.1 2.2 3.3] 
    [4.4 5.5 6.6]]'''
c = np.array([[1,2],[3,4],[5,6]], dtype = complex)
print(c)
'''
[[1.+0.j 2.+0.j]
 [3.+0.j 4.+0.j]
 [5.+0.j 6.+0.j]]
'''
print(np.zeros((2,2)))
print(np.ones((2,2), dtype = np.int16))
print(np.empty((2,2)))#empty建立的陣列的初始值是隨機的，型別是float64
print('\n')

print(np.arange(0,2,0.3))
#對於浮點數使用arange由於有限的浮點精度，無法知道元素的數量，因此使用linespace
#-----[0.  0.3 0.6 0.9 1.2 1.5 1.8]
x = np.linspace(0,2*np.pi,100)
#將0~pi取100(4)個點 -----[0.         1.04719755 2.0943951  3.14159265]
plt.plot(x, np.sin(2*x)) 
#還有abs,exp等數學函式，這些函式在陣列上以元素方式執行，產生一個數組作為輸出
#a.sum()求所有元素的和，a.max(),a.min()
#a.sum(axis=1)求axis=1的所有元素的和
print('\n')

d = np.array([1,2,3,4]).reshape(2,2)
print(d ** 2)
'''
[[ 1  4]
 [ 9 16]]
'''
print(
 
[email protected]) #python3.5以上可用
print(np.dot(d,d))
'''點積，兩個結果都是：
[[ 7 10]
 [15 22]]
'''
#d *=3     #*=和+=會改變原來陣列的值
print(d)
'''
[[1 2]
 [3 4]]
'''
print(d.sum(axis=1))  #[3 7],axis=0結果是[4 6]
print('\n')

e = np.arange(10) #[0 1 2 3 4 5 6 7 8 9]
e[2:5] #[2 3 4]前閉後開
e[:8:2] = 66 #[66  1 66  3 66  5 66  7  8  9]
f = e[::-1]  #[ 9  8  7 66  5 66  3 66  1 66]翻轉e
print(f)
print('\n')

def g(x,y):
    return(5*x + y)
h = np.fromfunction(g, (4,5), dtype = np.int32)
'''
[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]
 [15 16 17 18 19]]
'''
i = h[0:4,3]   #[ 3  8 13 18]，取0-3行的列3，寫0:500超範圍也只會取0:3，不會報錯
print(i)
'''
#多維陣列的迭代是針對第一維進行的
j = h.reshape(2,5,2)
for row in j:
    print(row)
for element in j.flat:     #使用flat屬性針對每個元素進行迭代
    print(element)
'''
print(h.T) #轉置
print(h.reshape(2,-1)) #將某個維度指定為-1，則會自動計算其他尺寸
print('\n')

#堆疊不同的陣列
k = np.array(([[2,3],[5,6]],[[7,8],[9,10]])) #注意不能少一層括號
l = np.array(([[12,3],[15,6]],[[17,8],[19,10]]))
m = np.vstack((k,l)) #還有hstack
n = np.column_stack((k,l)) #相當於hstack
#還有np.row_stack()，相當於vstack
'''m:
[[[ 2  3]
  [ 5  6]]

 [[ 7  8]
  [ 9 10]]

 [[12  3]
  [15  6]]

 [[17  8]
  [19 10]]]
'''
o = np.r_[2:9:2,8,2] #o: [2 4 6 8 8 2]
print('o:',o)
print()

p = np.floor(np.arange(10)) #[0. 1. 2. 3. 4. 5. 6. 7. 8. 9.]
np.hsplit(p,5)  #[array([0., 1.]), array([2., 3.]), array([4., 5.]), array([6., 7.]), array([8., 9.])]
q = p
print(p is q)#True 簡單分配不會複製物件及其資料
def s(x):
    return(id(x))
r = id(p) #2205693815984
t = s(p)  #2205693815984 Python將可變物件作為引用傳遞，因此函式呼叫不會複製
print()

#淺拷貝
u = p.view()   #[0. 1. 2. 3. 4. 5. 6. 7. 8. 9.],相當於p的引用，淺拷貝
u is p   #False,View方法建立一個檢視相同資料的新陣列物件
u.base is p #True,u是檢視p資料的檢視
u.flags.owndata  #False
u.shape #(10,)
u[6] = 7    #p也發生了改變，p: [0. 1. 2. 3. 4. 5. 7. 7. 8. 9.]

'''
a: [[ 0  1  2  3]
    [ 4  5  6  7]
    [ 8  9 10 11]]
'''
v = a[:,0:3] #取所有的行，0,1,2三列
v[:] = 10 #v的所有元素都賦為10
w = v.copy()
w is v #False
w[:,0:2] = 5  #w會發生改變，但是v不會改變，這是深拷貝

#花式索引和索引技巧
aa = np.arange(8) ** 3
i = np.array([1,3,5,7])
print(aa[i]) #[  1  27 125 343]

j = np.array([[3,4],[5,7]])
print(aa[j])
'''
[[ 27  64]
 [125 343]]
'''