numpy 多维数组

多维数组

生成（改变）多维数组

reshape，shape属性，resize属性
多维变一维
矩阵转置（行列互换）

一维变成多维

属性介绍：

（1）reshape（） 不会改变原数据，通过返回新数组的方式修改
（2）shape 属性直接更改原数据
（3）resize（）也是直接更改原数据

示例：

arr1 = np.array(range(1,21))
[ 1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20]

arr2 = arr1.reshape(4,5) # 积 等于数组长度
[[ 1  2  3  4  5]
 [ 6  7  8  9 10]
 [11 12 13 14 15]
 [16 17 18 19 20]] 
 生成了一个四行五列的列表
 原数据不会被改变，而使会新一个列表arr2
 
 shape属性
 arr3 = np.arange(24)
 arr3.shape = (4,6)
 [[ 0  1  2  3  4  5]
 [ 6  7  8  9 10 11]
 [12 13 14 15 16 17]
 [18 19 20 21 22 23]]
 原数据直接被改变

arr4 = np.arange(24)
arr4.resize(4,6)
[[ 0  1  2  3  4  5]
 [ 6  7  8  9 10 11]
 [12 13 14 15 16 17]
 [18 19 20 21 22 23]]
同样被改变。

读取二维数组
print[3,3] 
或者
print[3][3]
结果： 14

三维数组读取：
arr5 = np.arange(1,25).reshape(2,3,4)
[[[ 1  2  3  4]
  [ 5  6  7  8]
  [ 9 10 11 12]]

 [[13 14 15 16]
  [17 18 19 20]
  [21 22 23 24]]]
print(arr5[1,2,3])  第几个数组，第几行，第几列
24

 生成随机数
    np.random.randint(start,end,length)从开始到结束取长度个正数

生成随机数

 np.random.randint(start,end,length)从开始到结束取长度个正数
 
 arr = np.random.randint(0,50,16).reshape(4,4)
	 [[13 10 33 45]
	 [49 13 29 44]
	[44 21  3 48]
	[25  8  9 35]]

多维变一维

1.ravel()展平不改动原数据，和原数据建立关系
2.flatten（）展平不改动原数据。生成一个新的数据，不受到原数据影响

arr2 = arr.ravel()
[16 23 44 48  0 39 26 42 32 28 31  7 49 12 36 10]

arr3 = arr.flatten()
[16 23 44 48  0 39 26 42 32 28 31  7 49 12 36 10]

当我们把其中一个数据变换后在打印：
arr[1][1] = 99
[16 23 44 48  0 99 26 42 32 28 31  7 49 12 36 10]
[16 23 44 48  0 39 26 42 32 28 31  7 49 12 36 10]
就会发现结果变了，第一个跟着改变
第二个，不会变。