numpy的简单用法_2

NumPy 从数值范围创建数组

numpy.arange:numpy 包中的使用 arange 函数创建数值范围并返回 ndarray 对象，函数格式如下：

numpy.arange(start, stop, step, dtype)

根据 start 与 stop 指定的范围以及 step 设定的步长，生成一个 ndarray。

例子：

import numpy as np
x=np.arange(1,10,2,dtype=int)
print(x)

结果：

[1 3 5 7 9]

numpy.linspace
函数用于创建一个一维数组，数组是一个等差数列构成的，格式如下：

np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

例子：

import numpy as np
x=np.linspace(1,6,6,1,1,dtype=int)
print(x)

结果：

(array([1, 2, 3, 4, 5, 6]), 1.0)

numpy.logspace
用于创建一个于等比数列。格式如下：

np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)

NumPy 切片和索引
ndarray对象的内容可以通过索引或切片来访问和修改，与 Python 中 list 的切片操作一样。
ndarray 数组可以基于 0 - n 的下标进行索引，切片对象可以通过内置的 slice 函数，并设置 start, stop 及 step 参数进行，从原数组中切割出一个新数组。
例子：

import numpy as np
a=np.arange(10)
s=slice(2,7,2)
print(a[s])
print(a[2:7:2])

结果：

[2 4 6]
[2 4 6]

切片还可以包括省略号 …，来使选择元组的长度与数组的维度相同。 如果在行位置使用省略号，它将返回包含行中元素的 ndarray。
例子：

import numpy as np
a=np.array([[1,2,3],[4,5,6],[7,8,9]])
print(a[...,1])
print(a[1,...])
print(a[...,1:])

结果：

[2 5 8]
[4 5 6]
[[2 3]
 [5 6]
 [8 9]]

冒号 : 的解释：如果只放置一个参数，如 [2]，将返回与该索引相对应的单个元素。如果为 [2:]，表示从该索引开始以后的所有项都将被提取。如果使用了两个参数，如 [2:7]，那么则提取两个索引(不包括停止索引)之间的项。

NumPy 高级索引

除了之前看到的用整数和切片的索引外，数组可以由整数数组索引、布尔索引及花式索引。
整数数组索引
以下实例获取了 4X3 数组中的四个角的元素。 行索引是 [0,0] 和 [3,3]，而列索引是 [0,2] 和 [0,2]。

import numpy as np
a=np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])#获取4x3数组的四个角元素
print(a)
x=np.array([[0,0],[3,3]])
y=np.array([[0,2],[0,2]])
print(a[x,y])

结果：

[[ 1  2  3]
 [ 4  5  6]
 [ 7  8  9]
 [10 11 12]]
[[ 1  3]
 [10 12]]

布尔索引
我们可以通过一个布尔数组来索引目标数组。
布尔索引通过布尔运算（如：比较运算符）来获取符合指定条件的元素的数组。
以下实例获取大于 5 的元素：

import numpy as np
a=np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
print(a)
print(a[a>5])

[[ 1  2  3]
 [ 4  5  6]
 [ 7  8  9]
 [10 11 12]]
[ 6  7  8  9 10 11 12]

花式索引
花式索引指的是利用整数数组进行索引。
花式索引根据索引数组的值作为目标数组的某个轴的下标来取值。对于使用一维整型数组作为索引，如果目标是一维数组，那么索引的结果就是对应位置的元素；如果目标是二维数组，那么就是对应下标的行。
花式索引跟切片不一样，它总是将数据复制到新数组中。

import numpy as np 
 
x=np.arange(32).reshape((8,4))
print (x[[4,2,1,7]])

[[16 17 18 19]
 [ 8  9 10 11]
 [ 4  5  6  7]
 [28 29 30 31]]