Numpy¶

# 列表（copy 表示复制还是引用，subok 表示是否保留子数据类型），元组，全 0, 全 1，指定填充，全空（随机小值），等差数列（步长），等差数列（个数），等比数列，随机整数，[0，1)均匀分布， 正态分布，单位矩阵，对角矩阵，重复元素（axis 表示重复的方向），迭代对象
np.array([1,2,3], copy=False, subok=False), np.array((1, 2, 3, 4)).reshape(2, 2), np.zeros(3), np.ones((2, 3), dtype="S2"), np.full((2, 2), 3.14), np.empty((3, 2)), np.arange(0, 11, 2).reshape(3,2), np.linspace(1, 10, 5), np.logspace(0, 5, num=6, endpoint=True, base=2.0), np.random.randint(low=0, high=10, size=(3, 2)), np.random.random(size=(2, 3)), np.random.normal(size=(1, 3)), np.eye(N=3, k=0), np.diag([1, 2, 3, 4]), np.repeat([1, 2, 3], 4, axis=0).reshape(4, 3), np.fromiter(iter(range(10)), dtype=int, count=6)

## like 生成已有 ndarray 同形状的 ndarray
np.zeros_like([[1,2,3], [4,5,6]]), np.ones_like([[1,2,3], [4,5,6]]), np.full_like([[1,2,3], [4,5,6]], 3.14), np.empty_like([[1,2,3], [4,5,6]])

A = np.array([[1,2,3], [4,5,6]])
# 维度，形状，元素个数，元素类型，每个元素占用的字节数，总字节数，步长，基础对象（见后），标志
A.ndim, A.shape, A.size, A.dtype, A.itemsize, A.nbytes, A.strides, A.base, A.flags

# 操作，base 如果为空则表示自己是基础对象，否则表示自己是一个视图；分别对应复制和引用操作
B = np.array([[1,2,3],[4,5,6]])
B_array = np.array([1,2,3,4,5,6])
B1 = B.copy() # 复制
B2 = B.view() # 视图（引用）
B3 = B.reshape((3,2)) # 重塑（引用）
B4 = B.T # 转置（引用）
B5 = B.flatten() # 拉平（复制）
B6 = B.ravel() # 拉平（引用，但是当B内存上不连续时也是复制）
B7 = B.astype(np.float64) # 转换类型（复制）
B8 = B # 引用
B9 = B.tolist() # 转换为列表（不再是ndarray，理应算复制）
B.base, B1.base, B2.base, B3.base, B4.base, B5.base, B6.base, B7.base, B8.base

# 操作，直接作用在 ndarray 上
Bfill = np.arange(12).reshape(3, 4)
Bshuffle = np.arange(12).reshape(3, 4)
Bfill.fill(3.14) # 会被强制转换为原数据类型
np.random.shuffle(Bshuffle) # 打乱顺序
Bfill, Bshuffle, Bfill.base, Bshuffle.base

# nditer 顺序遍历所有元素
C = np.array([[[1,2,3],[4,5,6]], [[7,8,9],[10,11,12]]])
for i,j in np.nditer([B, C]): # nditer 迭代器，可以利用广播机制同时迭代多个数组
    print(i,j, end=" ")
print()
for i, j in zip(B.flat, C.flat): # flatiter 迭代器，使用zip达成的效果一般
    print(i,j, end=" ")

# savetext 保存到文件
D1 = np.random.randint(0, 10, (3, 4))
np.savetxt('dataBase/D.txt', D1, delimiter=","), D1.dtype

# 水平/垂直拼接（图像拼接比较方便）
np.hstack([B1, B2]), np.vstack([B1, B2])