NumPy的思考……

---

问题：

　　为什么第一次输出矩阵形式的数据，第二次输出list形式的数据？

详见代码：

a = np.array([[1, 2], [3, 4]])
print(a)
print('ndim :', a.ndim)

控制台输出：

[[1 2]
 [3 4]]
ndim : 2

然而，代码修改一下：

b = np.array([[11, 12], [14, 16, 17]])
print(b)
print(type(b))

控制台输出：

[list([11, 12]) list([14, 16, 17])]
<class 'numpy.ndarray'>

答案：

　　第二次输出元素 [ [11, 12], [14, 16, 17] ] 在形式上不能用矩阵形式输出，不对称。

---

问题：

array(p_object, dtype=None, copy=True, order='K', subok=False, ndmin=0)

order : {'K', 'A', 'C', 'F'}, optional
            Specify the memory layout of the array. order参数用于：指定数组的内存布局。

　　order的作用体现在哪里？

　　怎么才能看出数组的内存布局？

答案：

　　ndarray.flags属性， 查看ndarray对象的内存信息

  C_CONTIGUOUS : True　　　　　　　　c_contiguous(连续的）
  F_CONTIGUOUS : False　　　　　　　 f_contiguous
  OWNDATA : True　　　　　　　　　　　own data
  WRITEABLE : True　　　　　　　　　　writeable
  ALIGNED : True　　　　　　　　　　　aligned（对齐）
  WRITEBACKIFCOPY : False　　　　　write back if copy
  UPDATEIFCOPY : False　　　　　　　update if copy

---

sin()：

Parameters
    ----------
    x : array_like
        Angle, in radians (:math:`2 \pi` rad equals 360 degrees).

2 \pi = 2π

360°等于2π弧度
在数学和物理中,弧度是角的量度单位.它是由国际单位制导出的单位,单位缩写是rad.（radians）

弧度定义：弧长等于圆半径的弧所对的圆心角为1弧度

根据定义,一周的弧度数为2πr/r=2π, 360°角＝2π弧度,因此,1弧度约为57.3°,即57°17'44.806'',1°为π/180弧度,近似值为0.01745弧度,周角为2π弧度, 平角（即180°角）为π弧度, 直角为π/2弧度.
在具体计算中,角度以弧度给出时,通常不写弧度单位,直接写值.最典型的例子是三角函数,如sin 8π、tan (3π/2).
弧长公式：
l rad=nπr/180
在这里,n就是角度数.

---

np.repeat()使用技巧

c = np.array([[1, 2, 3]])
c = c.reshape(-1, 3).repeat(2, 0)
输出c:
[[1, 2, 3],
 [1, 2, 3]]
=====================
cc = c.reshape(-1, 3)
# -1代表不管行数，只是确定列数为3

# repeat用法
d = c.reshape(-1, 3)
d.repeat(2, 0)                           可以
d.repeat(preats=2, axis=0)               可以
np.repeat(d, 2, 0)                       也可以                        

---

问题：

　　同样是order排序，传入'C'，'F'不同，则打印不同？

代码：

import numpy as np
a = np.arange(0, 60, 5).reshape((3, 4))
print(a)
for x in np.nditer(a,flags=['external_loop'], order='C'):
    print(x, end=', ')

控制台输出：

[[ 0  5 10 15]
 [20 25 30 35]
 [40 45 50 55]]
[ 0  5 10 15 20 25 30 35 40 45 50 55], 

然而，代码：

import numpy as np
a = np.arange(0, 60, 5).reshape((3, 4))
print(a)
for x in np.nditer(a,flags=['external_loop'], order='F'):
    print(x, end=', ')

控制台输出：

[[ 0  5 10 15]
 [20 25 30 35]
 [40 45 50 55]]
[ 0 20 40], [ 5 25 45], [10 30 50], [15 35 55],

答案：

　　迭代器遍历对应于每列，并组合为一维数组。（默认）

---

问题：

　　a.T在nditer中迭代不应该输出

[[0 3]
 [1 4]
 [2 5]]

　　吗？

代码：

a = np.arange(6).reshape(2, 3)
print(a)
print(a.T)
print(a.T.flags)
for x in np.nditer(a.T):
    print(x, end=', ')
print('\n')

控制台输出：

[[0 1 2]
 [3 4 5]]

[[0 3]
 [1 4]
 [2 5]]

  C_CONTIGUOUS : False
  F_CONTIGUOUS : True
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  WRITEBACKIFCOPY : False
  UPDATEIFCOPY : False

0, 1, 2, 3, 4, 5, 

答案：

　　np.nditer(..., order='K') ：

　　　　order参数默认‘K’

　　源码中，as close sth. as possible ： 尽可能靠近

'K' means as close to the order the array elements appear in memory as possible.

　　翻译：'K' 意味着，（顺序要）尽可能靠近内存中出现的的数组的元素顺序。　　　

---

=============================================