"""
numpy 的基本使用
"""
import numpy as np
# 可以调用np.arry去从list初始化一个数组，类型：class 'numpy.ndarray'，ndarray = n dimensional array
a = np.array([1, 2, 3])
# 创建二维数组
b = np.array([[1, 2, 3], [4, 5, 6]])
# 查询行，列数：(2, 3)， 2行，3列
b.shape
# 一些内置的创建数组函数
a = np.zeros((2, 3)) # 2行3列的数组，值都为0
a = np.ones((2, 3)) # 2行3列的数组，值都为1
# 自定义值的数组
a = np.full((2, 3), 8) # 2行3列的数组，值都为8
# 自定义对角线值的数组
a = np.eye(3) # 3行3列的数组，对角数值为1
# 生成随机数的数组
e = np.random.random((2, 3)) # 2行3列的随机数
f = np.empty((2, 3, 4)) # 2个3行4列的随机数的数组
# 指定数组值的类型
a = np.array([1, 2, 3, 4], dtype=np.int64)
# 使用astype将float转换为int时，小数部分被舍弃掉
float_arr = np.array([1.3, 2.4, 5.8, -1.32])
int_arr = float_arr.astype(np.int)
# 像list一样的切片
a = e[0:2, 0:2] # 取第1和第2行的，第1和第2列
# 加法
a = np.array([[1, 2, 4], [3, 5, 2], [8, 4, 2]])
# 高级取法 并 加 10，给取的值都加上了10
a[np.arange(3), [0, 1, 0]] += 10
# 数组中的值判断, 直接的数据判断
b = (a > 2)
# 取为true的值
a[b]
x = np.array([[1, 2], [3, 4]], dtype=np.float64)
y = np.array([[5, 6], [7, 8]], dtype=np.float64)
# print(x)
# print(y)
# [[1. 2.]
# [3. 4.]]
# [[5. 6.]
# [7. 8.]]
# -------逐元素求和，有下面2种方式， 加减乖除类似，
# 方法：加--np.add， 减--np.subtract， 乘--np.multiply, 除--np.divide, 平方根--np.sqrt
# 1. 直接
x + y
# print(x + y)
# [[ 6. 8.]
# [10. 12.]]
# 2.np方法
np.add(x, y)
# print(np.add(x, y))
# 矩阵的运算
# 矩阵乘法， x 乘 y
x.dot(y)
np.dot(x, y)
# 矩阵转置
x.T
x = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])
x.transpose(2, 1, 0)
# print(np.sum(x, axis=2))
# 矩阵的条件判断与赋值, x大于4，True的话=1，Flase的话=-1
t = np.where(x > 4, 1, -1)
# ---- 创造矩阵
arr = np.arange(18)
# 6为行数，-1会自动补全，但行数必须是个数能整除的数
arr.reshape(6, -1)
arr.reshape(-1, 6)
# ------- 两个矩阵连接起来
a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.array([[7, 8, 9], [10, 11, 12]])
# 垂直把两个矩阵结合
c = np.vstack((a, b))
# 水平把两个矩阵结合
c = np.hstack((a, b))
# 切割数组
# np.split()
# ------ 保存数组成文件，并读取
# np.save('temp', a)
# 读取
# np.load('temp.npy')
# 保存多个数组
# np.savez('temp', a=a, b=b)
