import numpy as np

# 定義一個數組
test_array = np.array([[1 ,2 ,3] ,[3 ,4 ,5]])
###數組簡單的加減乘除法
# 加法
print(test_arra y +1)
# 返回[[2 3 4][4 5 6]]

# 減法
print(test_arra y -11)
# 返回[[-10  -9  -8][ -8  -7  -6]]

# 乘法
print(test_arra y *3)
# 返回[[ 3  6  9][ 9 12 15]]

# 除法
print(test_arra y /2)
# 返回[[0.5 1.  1.5][1.5 2.  2.5]]
 



import numpy as np
###數組的索引和切片
test_arr = np.arange(10)
print(test_arr)
print(test_arr[1])
print(test_arr[1:5])
"""
運行結果
[0 1 2 3 4 5 6 7 8 9]
1
[1 2 3 4]
"""


###使用列表或數組來進行賦值
import numpy as np
test_arr = np.arange(10)
print(test_arr)
test_arr[1:5] = [6,6,6,6]
print(test_arr)
test_arr[1:5] = np.array([9,9,9,9])
 
print(test_arr)

"""
運行結果
[0 1 2 3 4 5 6 7 8 9]
[0 6 6 6 6 5 6 7 8 9]
[0 9 9 9 9 5 6 7 8 9]
"""

###數組的單元素賦值
import numpy as np
test_arr = np.arange(10)
print(test_arr)
test_arr[1:5] = 12
print(test_arr)

"""
運行結果
[0 1 2 3 4 5 6 7 8 9]
[ 0 12 12 12 12  5  6  7  8  9]
"""
# 兩個註意點
# (a)一個標量的賦值瞬間實現整個切片區域的賦值，叫做numpy的廣播功能
 

# (b)數組切片和列表切片，僅數組切片有廣播功能


###列表和數組的一個重要的區別
# 跟列表切片最大的區別是數組切片是原數組的視圖，這就意味著原數組數據不會被復制保留，視圖上任何改變都會影響原數組。
# 所以，數組切片賦值會改變原數組，列表切片賦值不會改變願列表，想要改變列表需要直接給列表賦值。


# 二維數組的索引和切片
# 創建一個3x3的二維數組
import numpy as np
test_arr = np.arange(9).reshape(3 ,3)
print(test_arr)

"""
運行結果
[[0 1 2]
 [3 4 5]
 [6 7 8]]
"""
# 取出4

import numpy as np
test_arr = np.arange(9).reshape(3 ,3)
print(test_arr)
print(%test_arr[1 ,1]) # 第一個參數為行號，第二個參數為列號
"""
運行結果
[[0 1 2]
 [3 4 5]
 [6 7 8]]
 4
"""


# 三維數組的索引和切片
# 創建一個有兩個3x3二位數組的三維數組
import numpy as np
test_arr = np.arange(18).reshape(2 ,3 ,3  )  # 第一個參數為總共有幾個元素，第二個參數為行號，第三個參數為列號
print(test_arr)
"""
運行結果
[[[ 0  1  2]
  [ 3  4  5]
  [ 6  7  8]]

 [[ 9 10 11]
  [12 13 14]
  [15 16 17]]]
"""
# 取出9
print(test_arr[1 ,0 ,0])
# 若array切片時不想改變原array的結構，可以使用copy()先進行拷貝
test_xxx = np.arange(18).reshape(2 ,3 ,3)
test_ttt = test_xxx.copy()
test_ttt[1 ,0 ,0] = 333
print(test_xxx)
print(test_ttt)


###布爾形索引(進行篩選)
import numpy as np

name = np.array([‘wiz‘ ,‘gougou‘ ,‘ac‘ ,‘lc‘])
score = np.array([[99 ,99 ,99] ,[88 ,88 ,88] ,[81 ,87 ,66] ,[100 ,100 ,100]])
print(score[name==‘gougou‘])
"""
運行結果
[[88 88 88]]
"""


###數組的轉置
arr = np.arange(16).reshape(2 ,2 ,4)
print(arr)
print(arr.T)


###numpy的基本數學統計方法
# 方差(體現數組中數據的離散情況，數值越小數據越穩定)
arr = np.arange(16).reshape(2 ,4 ,2)
print(arr.var())
# 標準差
print(arr.std())

numpy中數組的簡單運算以及使用