import numpy as np
from numpy import newaxis
#方法：help(np.info(np.add))  檢視方法
# print(help(np.info(np.add)))
# reshape() #維度（x,y) x--維度 y--元素個數
#arange  相當於range(start,stop,step,dtype)
a=np.arange(15).reshape(3,5)
print(np.reshape(a,(5,3)))

#ndim--軸數（預設0，1，2。。。。）
print(a.ndim)
#shape--陣列大小（x,y)
print(a.shape)
#size--元素總個數
print(a.size)
#itemsize--每個元素所佔記憶體空間大小，以位元組為單位
print(a.itemsize)
#dtype--元素型別，int64，float64，object,complex...
print(a.dtype)
#
print(type(a))  # <class 'numpy.ndarray'>

print("====================")
b=np.array([1,2,3,4,5,6])
#reshape() #維度（x,y) x--維度 y--元素個數,可以修改維度
print(b.reshape(2,3))
#dtype 可以指導型別
c=np.array([1,2,3,4,5,6],dtype=float)
#如果沒有dtype指定，array裡面必須為統一型別
d=np.array([1,2,3,4,5,6.2])
#dtype=object 可以為任意型別
e=np.array([1,2,3,4,5,6,7.3,'124'],dtype=object)

print("====================")
#zeros((3,4)) -- 建立充滿為0的陣列，
f=np.zeros((3,4))
#np.ones((3,4))-- 建立充滿為1的陣列，
f1=np.ones((3,4),dtype=int)
# np.set_printoptions(threshold=np.nan)  -- 強制列印整列
# np.set_printoptions(threshold=np.nan)
print(np.arange(10000).reshape(10,1000))
print(np.arange(10,100,2))
print("===============")

g = np.arange(20,60,10)
g1=np.arange(1,5)
#兩個陣列元素個數一一對應相乘
g2=g1*g
print(g1)
print(g)
#max --最大值 ; min --最小值 ; sum--求和 ；mean-- 平均值
# var--標準差 ：公式：1/n[(X0-Xmean)^2+(X1-Xmean)^2+....(X0-Xmean)^2]      例如1/4*【(1.25)^2+(0.5)^2+(0.5)^2+(1.25)^2]
#add --求和 ; subtract --相減 ;  multiply--相乘 ；divide--相除；
print(g2.max())
print(g2.min())
print(g2.sum())
print(g2.mean())
print(g1.var())
print(np.add(g,g1))
print(np.subtract(g,g1))
print(np.multiply(g,g1))
print(np.divide(g,g1))
print("=================================================")
#三角函式：np.sin(num*np.pi/180)  sin=y/r  cos=x/r   tan=y/x
ary=np.array([0,30,45,60,90])
print(np.sin(ary*np.pi/180))
print(np.cos(ary*np.pi/180))
print(np.tan(ary*np.pi/180))
print("=================================================")
#矩陣乘法dot或@：A=[[a,b],[c,d]
#B=[[x,y],[u,v]]
#
 
[email protected]=[[a*x+b*u,a*y+b*v]
#       [c*x+d*u,c*y+d*v]]
A=np.array([[1,2],[3,4]])
B=np.array([[1,2],[3,4]])

print(np.dot(A,B))
# [[ 7 10]
#  [15 22]]
A=np.array([[3,4],[3,2]])
B=np.array([[3,2,3],[5,2,3]])
print([email protected])
# [[29 14 21]
#  [19 10 15]]
print("=================================================")
#linspace --等差數列 從0-3 取5個數
b=np.linspace(0,3,4)
print(b)
d=np.exp(b*1j)
print(d)
#[ 1.        +0.j          0.54030231+0.84147098j -0.41614684+0.90929743j       -0.9899925 +0.14112001j]
#sqrt -- 算數平方根
print(np.sqrt(b))
#std--矩陣標準差  :求矩陣標準差的算術平方根  axis=1   計算計算每一列的標準差
print(np.std([1,2,3,4]))
print(np.sqrt(1.25))
print(np.std([[1,2,3,4],[3,4,5,6]],axis=0))
# print(help(np.info(np.std)))
h=np.arange(20).reshape(4,5)
for i in h:
    print(i)
#floor--忽略小數點後邊的數
i=(10*np.random.random((3,4)))
print(i)
print(np.floor(i))
#ravel--轉化為一維
i1=(i.ravel())
print(i1.shape)
print("====================")
#
a=np.arange(24).reshape(6,4)
print(a)
b=np.arange(24,48).reshape(6,4)
print(b)
# vstack-- 縱向合併  hstack--橫向合併
print(np.vstack((a,b)))
c=np.hstack((a,b))
print(c[:newaxis])
#column_stack-- 相當於hstack--橫向合併
print(np.column_stack((a,b)))
#concatenate --合併  axis=1 橫向 ； axis=0  縱向
print(np.concatenate((a,b),axis=1))
#此函式不會保留MaskedArray輸入的遮蔽
a=np.ma.arange(10)
print("===========split=======================")
#array_split --將陣列拆分成多個子陣列，;hsplit--橫向拆分 ；  vsplit--縱向拆分  ;dsplit
a=np.arange(12)
b=np.arange(16.0).reshape(2, 2, 4)
print(np.dsplit(b,2))
print(np.array_split(a,5))
print(np.hsplit(a,6))
b=np.arange(16).reshape(4,4)
c=np.vsplit(b,4)
for c1 in c :
    print(c1)
print("===========dstack=======================")
#dstack --按順序進行多維組合；  stack--沿新軸加入一系列陣列； hstack--橫向進行組合；  vstack--縱向進行多維度組合
a=np.array((1,2,3,4,5,6))
b=np.array((7,8,9,10,11,12))
print(a)
print(b)
print(np.dstack((a,b)))
print(np.stack((a,b)))
print(np.hstack((a,b)))
print(np.vstack((a,b)))