Numpy基础操作:数组之间形状相互转换

ndarray对象提供了一些可以便捷地改变数组基础形状的属性和方法,例如,将一个3行4列的二维数组转换成6行2列的二维数组,关于这些属性和方法的具体说明如表9-3所示。

Numpy基础操作:数组之间形状相互转换_第1张图片

上述这些方法都能够改变数组的形状,但是,reshape()、ravel()方法和T属性返的都是一个已经修改的新数组,并不会修改原始数组。例如:

import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]]] #创建一个2行3列的数组
arr
array([[1, 2, 3],
[4,5,6]])
new_arr = arr.reshape((3, 2)) #返回维度为(3,2)的数组
new arr
array([[1, 2],
[3,4],
[5,6]])
arr.ravel() #对数组进行降维处理
array([1, 2, 3, 4, 5, 6])
arr.T #对数组进行轴对换
array([[1, 4],
[2,5],
[3,6]])
arr #查看原始数组是否发生变化
array([[1, 2, 3],
[4,5,6]])
numpy数组制样支持索引和切片操作,具体的用法与序列类型相似。例如:

arr = np.arange(1,9).reshape((4,22)) #生成4行2列的数组
arr
array([[1, 2],
[3,4],
[5,6],
[7,8]])
arr[2] #获取第2行数据
array([5, 6])
arr[1:3] #获取第1~2行数据
array([[3, 4],
[5,6]])
除此之外,numpy中提供了一批具有基本数学运算功能的函数,如表9-4所示。

表9-4 numpy模块的算术运算函数
Numpy基础操作:数组之间形状相互转换_第2张图片

表9-4中列举的所有运算函数的参数y都是可选的,如果指定了参数y,结果将被保存到y中,比如np.add(a,b,a)表示a+=b;如果没有指定参数y,结果将被保存到一个新创建的数组中,比如c=np.add(a,b)表示c=a+b。

数组无须循环遍历便可以对每个元素执行批量的算术操作,也就是说形状相同的数组之间执行算术运算时,会应用到位置相同的元素上进行计算。例如,数组a=[1,2,3]和数组b=[4,5,6],ab所得的结果为14、25和36组成的一个新数组。若两个数组的基础形状不同,numpy可能会触发广播机制,该机制需要满足以下任一条件。

你可能感兴趣的:(numpy)