numpy.array的常用方法

numpy.zeros_like

numpy.``zeros_like(a, dtype=None, order=’K’, subok=True)[source]

Return an array of zeros with the same shape and type as a given array.

mean() 函数定义：

numpy.mean(a, axis, dtype, out，keepdims )

同var(方差)和std(标准差)反应一个数据集的离散程度

mean()函数功能：求取均值
经常操作的参数为axis，以m * n矩阵举例：

• axis 不设置值，对 m*n 个数求均值，返回一个实数
  axis = 0：压缩行，对各列求均值，返回 1 * n 矩阵
  axis =1 ：压缩列，对各行求均值，返回 m *1 矩阵

>>> import numpy as np
>>> num1 = np.array([[1,2,3],[2,3,4],[3,4,5],[4,5,6]])
>>> num1
array([[1, 2, 3],
       [2, 3, 4],
       [3, 4, 5],
       [4, 5, 6]])
>>> num2 = np.mat(num1)
>>> num2
matrix([[1, 2, 3],
        [2, 3, 4],
        [3, 4, 5],
        [4, 5, 6]])
>>> np.mean(num2) # 对所有元素求均值
3.5
>>> np.mean(num2,0) # 压缩行，对各列求均值
matrix([[ 2.5,  3.5,  4.5]])
>>> np.mean(num2,1) # 压缩列，对各行求均值
matrix([[ 2.],
        [ 3.],
        [ 4.],
        [ 5.]])

numpy矩阵的传播机制以及numpy常用方法

https://www.jianshu.com/p/e26f381f82ad

https://www.jianshu.com/p/0b2679aaafd3

numpy.array的操作

改变数组维度

已知reshape函数可以有一维数组形成多维数组
ravel函数可以展平数组 b.ravel()
flatten()函数也可以实现同样的功能
区别：ravel只提供视图view，而flatten分配内存存储

注意：以上两种函数不改变原来array的维度，但是可以赋值给新的array

重塑：用元祖设置维度

>>> b.shape=(4,2,3)
>>> b
array(［[ 0,  1,  2],
    [ 3,  4,  5］,

    ［ 6,  7,  8],
    [ 9, 10, 11］,

    ［12, 13, 14],
    [15, 16, 17］,

    ［18, 19, 20],
    [21, 22, 23］])

转置：

>>> b
array(［0, 1],
    [2, 3］)
>>> b.transpose()
array(［0, 2],
    [1, 3］)

数组的组合

比较简单的方法：np.append(a,b,axis=数字)

其中：

没有axis属性：把所有元素展开
axis = 0：添加添加n行
axis = 1：添加n列
口诀：0行1列，适用于所有的numpy函数的axis属性。

import numpy as np
aa = np.array([[1,2,3],[4,5,6]])
a = np.array([[4,2,3],[4,5,6]])

c = np.append(aa,a,axis=0)
print (c)

output:
[[1 2 3]
 [4 5 6]
 [4 2 3]
 [4 5 6]]

1. 水平组合

   >>> a
   array(［0, 1, 2],
       [3, 4, 5],
       [6, 7, 8］)
   >>> b = a*2
   >>> b
   array(［ 0,  2,  4],
       [ 6,  8, 10],
       [12, 14, 16］)
   >>> np.hstack((a,b))
   array(［ 0,  1,  2,  0,  2,  4],
       [ 3,  4,  5,  6,  8, 10],
       [ 6,  7,  8, 12, 14, 16］)
   >>> np.concatenate((a,b),axis=1)
   array(［ 0,  1,  2,  0,  2,  4],
       [ 3,  4,  5,  6,  8, 10],
       [ 6,  7,  8, 12, 14, 16］)

2. 垂直组合

   >>> np.vstack((a,b))
   array(［ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 0,  2,  4],
       [ 6,  8, 10],
       [12, 14, 16］)
   >>> np.concatenate((a,b),axis=0)
   array(［ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 0,  2,  4],
       [ 6,  8, 10],
       [12, 14, 16］)

3. 深度组合：沿着纵轴方向组合

   >>> np.dstack((a,b))
   array(［[ 0,  0],
       [ 1,  2],
       [ 2,  4］,
   
       ［ 3,  6],
       [ 4,  8],
       [ 5, 10］,
   
      ［ 6, 12],
       [ 7, 14],
       [ 8, 16］])

4. 列组合column_stack()

   一维数组：按列方向组合
   二维数组：同hstack一样

5. 行组合row_stack()

   以为数组：按行方向组合
   二维数组：和vstack一样

数组的比较

ab
array(［ True, False, False],
[False, False, False],
[False, False, False］, dtype=bool)
#True那个因为都是0啊

数组的分割

>>> a
array(［0, 1, 2],
    [3, 4, 5],
    [6, 7, 8］)
>>> b = a*2
>>> b
array(［ 0,  2,  4],
    [ 6,  8, 10],
    [12, 14, 16］)

1. 水平分割（难道不是垂直分割？？？）
   >>> np.hsplit(a,3) 按列切割，返回3列的array的list [ [array1] [array2] [array3] ]

   split(a,3,axis=1)同理达到目的

2. 垂直分割
   >>> np.vsplit(a,3)
   [array(［0, 1, 2］), array(［3, 4, 5］), array(［6, 7, 8］)]

   split(a,3,axis=0)同理达到目的

3. 深度分割
   某三维数组：：：

   \>>> d = np.arange(27).reshape(3,3,3)
   \>>> d
   array(［[ 0,  1,  2],
    [ 3,  4,  5],
       [ 6,  7,  8］,
   
      ［ 9, 10, 11],
   ​    [12, 13, 14],
   ​    [15, 16, 17］,
   
   ​    ［18, 19, 20],
   ​    [21, 22, 23],
   ​    [24, 25, 26］])

深度分割后（即按照深度的方向分割）
注意：dsplite只对3维以上数组起作用
raise ValueError(‘dsplit only works on arrays of 3 or more dimensions’)
ValueError: dsplit only works on arrays of 3 or more dimensions

np.dsplit(d,3)
[array(［[ 0],
 [ 3],
    [ 6］,

​    ［ 9],
​    [12],
​    [15］,

​    ［18],
​    [21],
​    [24］]), array(［[ 1],
​    [ 4],
​    [ 7］,

​    ［10],
​    [13],
​    [16］,

​    ［19],
​    [22],
​    [25］]), array(［[ 2],
​    [ 5],
​    [ 8］,

​    ［11],
​    [14],
​    [17］,

​    ［20],
​    [23],
​    [26］])]

数组的属性

>>> a.shape #数组维度
(3, 3)
>>> a.dtype #元素类型
dtype(‘int32’)
>>> a.size #数组元素个数
9
>>> a.itemsize #元素占用字节数
4
>>> a.nbytes #整个数组占用存储空间=itemsize*size
36
>>> a.T #转置=transpose
array(［0, 3, 6],
[1, 4, 7],
[2, 5, 8］)