numpy廣播（Broadcast） 若數組a，b形狀相同，即a.shape==b.shape，那麼a+b,a*b的結果就是對應數位的運算 import numpy as np a=np.array([[1,2,3],[4,5,6]]) b=np.array([[1,4,7],[2,5,8]]) p ...
numpy廣播（Broadcast）
若數組a，b形狀相同，即a.shape==b.shape，那麼a+b,a*b的結果就是對應數位的運算
import numpy as np
a=np.array([[1,2,3],[4,5,6]])
b=np.array([[1,4,7],[2,5,8]])
print(a+b,'\n')
print(a*b)
[[ 2 6 10]
[ 6 10 14]]
[[ 1 8 21]
[ 8 25 48]]
若兩個數組形狀不同，且有一個數組維度為1，則會觸發廣播機制
a=np.array([[1,2,3],[4,5,6]])
b=np.array([1,2,3])
# 等同於np.array([[1,2,3],[4,5,6]])與np.array([1,2,3],[1,2,3])運算
print(a+b,'\n')
print(a*b)
[[2 4 6]
[5 7 9]]
[[ 1 4 9]
[ 4 10 18]]
numpy數組操作函數
修改數組形狀
numpy.reshape()
不改變數據的情況下修改形狀
numpy.reshape(array , newshape , order = 'C')
| 參數 | 描述 |
|---|---|
| array | 要修改形狀的數組 |
| newshape | 整數或整數數組，新的形狀應該相容原有形狀 |
| order | 'C'——按行，'F'——按列，'A'——原順序，'K'——元素咋記憶體中出現的順序 |
import numpy as np
a_array=np.arange(16)
print(a_array,'\n')
b_array=np.reshape(a_array,[4,4])
print(b_array,'\n')
# 也可以打點調用
c_array=a_array.reshape([2,8])
print(c_array)
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15]
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]]
[[ 0 1 2 3 4 5 6 7]
[ 8 9 10 11 12 13 14 15]]
numpy.ndarray.flat
numpy.ndarray.flat為數組元素迭代器
array=np.arange(9).reshape([3,3])
print(array,'\n')
# 按行遍曆數組
for row in array:
print(row)
# 使用數組元素迭代器
for element in array.flat:
print(element)
[[0 1 2]
[3 4 5]
[6 7 8]]
[0 1 2]
[3 4 5]
[6 7 8]
0
1
2
3
4
5
6
7
8
numpy.ndarray.flatten和numpy.ravel
- numpy扁平化函數
numpy.ndarray.flatten返回一份數組拷貝，對拷貝內容的修改不影響原始數值；numpy.ravel返回一個數組的視圖，修改視圖時會影響原始數組
numpy.ndarray.flatten(order = 'C')
numpy.ravel(order = 'C')
| 參數 | 描述 |
|---|---|
| order | 'C'——按行，'F'——按列，'A'——原順序，'K'——元素咋記憶體中出現的順序 |
array=np.arange(16).reshape([4,4])
print(array,'\n')
print(array.flatten(),'\n')
print(array.ravel())
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]]
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15]
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15]
a_array=np.arange(16).reshape([4,4])
print(a_array,'\n')
#創建和a_array同樣的數組b_array
b_array=a_array.copy()
c_array=a_array.ravel()
d_array=array.flatten()
print('c_array:')
print(c_array)
print('d_array:')
print(d_array,'\n')
c_array[1]=100
d_array[1]=100
print('a_array:')
print(a_array)
print('b_array:')
print(b_array,'\n')
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]]
c_array:
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15]
d_array:
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15]
a_array:
[[ 0 100 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[ 12 13 14 15]]
b_array:
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]]
翻轉數組
transpose和ndarray.T
- numpy數組轉置函數
a_array=np.arange(16).reshape([4,4])
print('a_array:\n',a_array)
print('使用transpose後:')
print(np.transpose(a_array))
print('使用.T轉置後：')
print(a_array.T)
a_array:
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]]
使用transpose後:
[[ 0 4 8 12]
[ 1 5 9 13]
[ 2 6 10 14]
[ 3 7 11 15]]
使用.T轉置後：
[[ 0 4 8 12]
[ 1 5 9 13]
[ 2 6 10 14]
[ 3 7 11 15]]
numpy.swapaxes
- numpy用於交換數組兩個軸的函數
numpy.swapaxes(arr , axis1, axis2)
| 參數 | 描述 |
|---|---|
| arr | 輸入數組 |
| axis1 | 對應數組第一個軸 |
| axis2 | 對應數組第二個軸 |
array=np.arange(8).reshape(2,2,2)
print(array)
# 交換第零個軸和第二個軸
print(np.swapaxes(array,0,2))
[[[0 1]
[2 3]]
[[4 5]
[6 7]]]
[[[0 4]
[2 6]]
[[1 5]
[3 7]]]
| (0)000->(0)000 | (1)001->(4)100 |
| (2)010->(2)010 | (3)011->(6)110 |
| (4)100->(1)001 | (5)101->(5)101 |
| (6)110->(3)011 | (7)111->(7)111 |
