import numpy as np
a = np.arange(3)
print(a)
[0 1 2]
print(np.exp(a)) # 指数运算 e^0 e^1 e^2
[1. 2.71828183 7.3890561 ]
print(np.sqrt(a)) # 计算每个元素的平方根
[0. 1. 1.41421356]
b = 10 * np.random.random((3,4))
print(b)
c = np.floor(b) # 向下取整
print(c)
[[0.89198914 9.40225391 3.75857859 8.45085184]
[2.58700305 9.79247821 5.17718314 4.84501262]
[5.60284687 3.46467384 1.20591779 6.01311384]]
[[0. 9. 3. 8.]
[2. 9. 5. 4.]
[5. 3. 1. 6.]]
print(c.ravel()) # 将多维数组中的所有元素按照某种顺序排列成一个一维数组，返回这个一维数组的视图
[0. 9. 3. 8. 2. 9. 5. 4. 5. 3. 1. 6.]
c.shape = (6,2) # 设置纬度
print(c)
print(c.T) # 使用 .T 进行矩阵转置
[[0. 9.]
[3. 8.]
[2. 9.]
[5. 4.]
[5. 3.]
[1. 6.]]
[[0. 3. 2. 5. 5. 1.]
[9. 8. 9. 4. 3. 6.]]
d = np.floor(10*np.random.random((2,2)))
print(d)
e = np.floor(10*np.random.random((2,2)))
print(e)
print(np.vstack((d,e))) # 使用 np.vstack() 垂直堆叠这两个矩阵
print(np.hstack((d,e))) # 使用 np.hstack() 水平堆叠这两个矩阵
[[5. 5.]
[2. 2.]]
[[9. 3.]
[6. 0.]]
[[5. 5.]
[2. 2.]
[9. 3.]
[6. 0.]]
[[5. 5. 9. 3.]
[2. 2. 6. 0.]]
f = np.floor(10*np.random.random((2,12)))
print(f)
print('-'*10)
print(np.hsplit(f,3)) # 水平平均切分3份
print(np.hsplit(f,(3,4))) # 在指定的分割点处切分
[[3. 9. 2. 1. 8. 0. 8. 1. 0. 3. 0. 0.]
[3. 8. 8. 9. 9. 0. 7. 0. 8. 0. 2. 2.]]
----------
[array([[3., 9., 2., 1.],
[3., 8., 8., 9.]]), array([[8., 0., 8., 1.],
[9., 0., 7., 0.]]), array([[0., 3., 0., 0.],
[8., 0., 2., 2.]])]
[array([[3., 9., 2.],
[3., 8., 8.]]), array([[1.],
[9.]]), array([[8., 0., 8., 1., 0., 3., 0., 0.],
[9., 0., 7., 0., 8., 0., 2., 2.]])]
g = np.floor(10*np.random.random((8,2)))
print(g)
print('-'*20)
print(np.hsplit(g,2))
print('-'*20)
print(np.vsplit(g,2)) # 垂直平均切分3份
[[7. 1.]
[8. 1.]
[3. 2.]
[5. 0.]
[4. 0.]
[1. 7.]
[7. 4.]
[2. 2.]]
--------------------
[array([[7.],
[8.],
[3.],
[5.],
[4.],
[1.],
[7.],
[2.]]), array([[1.],
[1.],
[2.],
[0.],
[0.],
[7.],
[4.],
[2.]])]
--------------------
[array([[7., 1.],
[8., 1.],
[3., 2.],
[5., 0.]]), array([[4., 0.],
[1., 7.],
[7., 4.],
[2., 2.]])]
h = np.arange(12)
i = h # 深拷贝，shape等属性一致
print(i is h)
i.shape = 3,4
print(i.shape)
print(h.shape)
print(id(i))
print(id(h))
print(i)
print(h)
True
(3, 4)
(3, 4)
2303479872464
2303479872464
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
j = h.view() # 浅拷贝，这种很少用，虽然shape等属性不一致了，但是数据还是共用的
print(j)
print(j is h)
j.shape = 2,6
print(j.shape)
print(h.shape)
j[0,2 ]= 123 # 但是，a的值也会变化
print(j)
print(id(j))
print(h)
print(id(h))
[[ 0 1 123 3]
[ 4 5 6 7]
[ 8 9 10 11]]
False
(2, 6)
(3, 4)
[[ 0 1 123 3 4 5]
[ 6 7 8 9 10 11]]
2303484963760
[[ 0 1 123 3]
[ 4 5 6 7]
[ 8 9 10 11]]
2303479872464
k = h.copy() # 完成复制后，修改变量中的内容，不会影响引用的变量（经常用）
print(k)
print(k is h)
k[0,1]=9999
print(k)
print('-'*10)
print(h)
[[ 0 1 123 3]
[ 4 5 6 7]
[ 8 9 10 11]]
False
[[ 0 9999 123 3]
[ 4 5 6 7]
[ 8 9 10 11]]
----------
[[ 0 1 123 3]
[ 4 5 6 7]
[ 8 9 10 11]]
data = np.sin(np.arange(20)).reshape(5,4)
print(data)
[[ 0. 0.84147098 0.90929743 0.14112001]
[-0.7568025 -0.95892427 -0.2794155 0.6569866 ]
[ 0.98935825 0.41211849 -0.54402111 -0.99999021]
[-0.53657292 0.42016704 0.99060736 0.65028784]
[-0.28790332 -0.96139749 -0.75098725 0.14987721]]
ind = data.argmax(axis=0) #使用 argmax() 函数找到每列中最大元素的索引
print(ind)
data_max = data[ind,range(data.shape[1])] # data.shape[1]获取二维数组的列数
print(data_max)
[2 0 3 1]
[0.98935825 0.84147098 0.99060736 0.6569866 ]
x = np.arange(0,40,10)
print(x)
# 使用 np.tile() 函数在行方向上重复 x 3 次，在列方向上重复 5 次
y = np.tile(x,(3,5))
print(y)
[ 0 10 20 30]
[[ 0 10 20 30 0 10 20 30 0 10 20 30 0 10 20 30 0 10 20 30]
[ 0 10 20 30 0 10 20 30 0 10 20 30 0 10 20 30 0 10 20 30]
[ 0 10 20 30 0 10 20 30 0 10 20 30 0 10 20 30 0 10 20 30]]
z = np.array([[4,3,5],[1,2,1]])
print(z)
print('-'*10)
t = np.sort(z,axis=1)
print(t)
print('-'*10)
u = np.array([4,3,1,2])
print(u)
print(np.sort(u))
v = np.argsort(u) # 使用 np.argsort() 获取 u 中元素的排序索引
print(v)
print(u[v]) # 使用排序索引 v 来获取排序后的数组 u
[[4 3 5]
[1 2 1]]
----------
[[3 4 5]
[1 1 2]]
----------
[4 3 1 2]
[1 2 3 4]
[2 3 1 0]
[1 2 3 4]