python科学计算库的numpy基础知识，完美抽象多维数组(原创)

#导入科学计算库

#起别名避免重名

import numpy as np

#小技巧：从外往内看==从左往右看 从内往外看==从右往左看

#打印版本号

print(np.version.version) #1.16.2

#声明一个numpy数组，一层list

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

print(nlist) #[1 2 3]

#ndim方法用来查看数组的属性--维度

print(nlist.ndim) #1

#使用shape属性来打印多维数组的形状，返回一个tuple，个数，/行数，列数

print(nlist.shape) #(3,)

#声明一个二维数组，二层list

nlist_2 = np.array([[1,2,3],[4,5,6]])

print(nlist_2)

#[[1 2 3]

#[4 5 6]]

print(nlist_2.ndim) #2

print(nlist_2.shape) #(2, 3)

#声明一个三维数组，三层list

nlist3 = np.array([[[1,2,3],[4,5,6],[7,8,9]]])

print(nlist3)

# [[[1 2 3]

# [4 5 6]

# [7 8 9]]]

print(nlist3.ndim) #3

#使用shape属性来打印多维数组的形状，返回一个tuple，个数，/行数，列数

print(nlist3.shape) #(1, 3, 3)

#使用size()方法来打印多维数组的元素个数

print(np.size(nlist)) #3

print(np.size(nlist_2)) #6

#打印numpy多维度数组的数据类型

print(type([1,2,3])) #<class 'list'>

print(type(nlist)) #<class 'numpy.ndarray'>

#使用python内置dtype属性来打印多维度数组内部元素的数据类型

print(type(123)) #<class 'int'>

print(nlist.dtype) #int32

#itemsize属性，来打印多维数组中的数据类型大小，字节

print(nlist.itemsize) #4

print(nlist_2.itemsize) #4

print(nlist3.itemsize) #4

#data属性，用来打印数据缓冲区--buffer---/也就是内存地址/

print(nlist.data) #<memory at 0x000001AF3F0BEA08>

print(nlist_2.data) #<memory at 0x000001FB22BF5CF0>

print(nlist3.data) #<memory at 0x000001FB1A730D68>

#使用reshape()方法，根据形状反向生成多维数组

nlist_3 = np.array(range(24)).reshape((3,2,4)) #3个二维数组，2每组2行，4列数

print(nlist_3)

#使用浮点--元素类型

nlist_float = np.array([1.0, 2.0, 3.0])

print(nlist_float.dtype) #float64

#使用字符串-元素类型

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

print(nlist_str.dtype) #<U1

print(range(20))

print(type(range(20)))

nlist_4 = np.array([[[[1,2,3,4,5],[6,7,8,9,10],[11,12,13,14,15],[16,17,18,19,20]]]])

print(nlist_4)

print(nlist_4.ndim)

print(nlist_4.shape)

print(nlist_4.itemsize)

print(nlist_4.dtype)

print(np.size(nlist_4))

nlist_4 = np.array(range(20)).reshape((1,1,4,5))

print(nlist_4.ndim)

nlist_2_true = np.array([[True,True,True],[True,True,True],[True,True,True]])

print(nlist_2_true)

i = []

nlist2_true = [ i.append(True) for x in range(20) ]

print(i)

nlist_2_true = np.array(range(20)).reshape((1,2,10))

print(nlist_2_true)

 

 

#声明一个size为20的四维数组

nlist_4 = np.array(range(20)).reshape((2,5,1,2))

print(nlist_4)

print(nlist_4.ndim)

print(nlist_4.shape)

#声明一个三行三列的数组

nlist_33 = np.array([[1,2,3],[1,2,3],[5,7,8]])

print(nlist_33)

print(nlist_33.shape)

print(nlist_33.ndim)

print(nlist_33.itemsize) #元素字节

print(nlist_33.size) #长度

print(np.size(nlist_33))

print(np.shape(nlist_33))

#使用ones()自动生成元素为1的多维数组

nlist_ones = np.ones((4,4))

print(nlist_ones)

print(nlist_ones.dtype) #元素float64

#使用zeros()来生成元素为0的多维数组

nlist_zeros = np.zeros((4,4))

print(nlist_zeros)

#使用empty（）方法来生成随机多维数组，使用第二个参数指定元素类型

nlist_empty = np.empty([2,2],dtype=np.int)

print(nlist_empty)

print(nlist_empty.dtype) #int32

# numpy把普通list转换为数组

x = [1,2,3]

print(type(x))

nlist = np.asarray(x)

print(type(nlist))

print(nlist)

y = [(1,2,3),(4,5)]

nlist_y = np.asarray(y)

print(nlist_y.ndim) #1

#frombuffer 通过字符串（buffer内存地址）字节切片来生成多维数组

#b强转byte字节

my_str = b'Hello World'

nlist_str = np.frombuffer(my_str,dtype='S1')

print(nlist_str)

x = np.array([[1,2],[3,4]])

print(x)

#指定axis属性，可以指定当前多维数组的维度

sum0 = np.sum(x,axis = 0,keepdims=True) #axis = 0/行级/

print(sum0)

sum1 = np.sum(x,axis=1,keepdims=True) #axis = 1/列级/

print(sum1)

#多维数组赋值

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

x[1] = 3

y = x.copy()

y[0] = 3

print(x)

#维度级的运算

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

b = np.array([[11,22],[33,44],[55,66]])

#vstack()方法---维度一样--- vertical垂直合并

suma = np.vstack((a,b))

print(suma)

#hstack()方法---维度一样--- 横向连纵

sumb = np.hstack((a,b))

print(sumb)

#多维数组调用

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

print(nl[[2]])

print(nl[0][0])

print(nl[1][1])

nl[1,1] = 444

print(nl)

#删除方法 delete

#删除nlist第二行

print(np.delete(nl,1,axis=0))

print(np.delete(nl,0,axis=1))

a=np.arange(0, 20, 5)

print(a)

print(a.dtype)

b=np.arange(0, 3.0, 0.4)

print(b)

print(b.dtype)

#范围区间差 = 形状数的乘积

a=np.arange(1,5).reshape((2,2))

b=np.arange(3,7).reshape((2,2))

print(a)

print(b)

# 1、创建一个长度为10的一维全为0的多维数组，然后让第5个元素等于1

ll = np.zeros((10,))

print(ll)

print(ll.ndim)

print(ll.size)

ll[4] = 1

print(ll)

q1 = np.zeros(shape=10)

print(q1)

q1[4] = 1

print(q1)

# 2、创建一个每一行都是从0到4的5*5矩阵

# l_2 = np.array([[0,1,2,3,4],[0,1,2,3,4],[0,1,2,3,4],[0,1,2,3,4],[0,1,2,3,4]])

list_5 = np.array([[range(5)]*5])

print(list_5)

l_2 = np.array([ range(5)]*5).reshape(5,5)

print(l_2)

print(l_2.ndim) #2维

print(l_2.shape)

# 3、假如给定一个3*3的二维数组，如何交换其中两行的元素？

vv0 = np.random.randint(0,100,size=(2,2))

print(vv0)

print(vv0[[1,0]])

# 4、假如给定一个3*3的二维数组，如何交换其中两行的元素？

#使用索引

vv = np.random.randint(0,100,size=(3,3))

print(vv)

print(vv[[1,0,2]])

print(vv[[2,0,1]])

print(vv[[0,2,1]])

# 5、原数组为一维数组，内容为从 0 到 100，抽取出所有偶数。

mm = np.arange(0,101).reshape(101,)

print(mm)

print(mm[::2]) #切片，步长

mm = filter(lambda x:x%2==0, mm)

# print(np.asarray(list(mm)))

print(np.array(list(mm)))

mm = np.array(range(101))

mm = mm[mm % 2 == 0]

print(mm)

names = ['p','y','t']

ages = [18,29,20]

print({n:a for n in names for a in ages})

print({name:age for (name, age) in zip(names,ages)})

mm = np.arange(12).reshape(2,3,2)

print(mm)

print(mm.data)

print(mm.size)

print(mm.itemsize)

print(mm.ndim)

print(mm.dtype)