Numpy基礎(chǔ)操作：數(shù)組之間形狀相互轉(zhuǎn)換

ndarray對象提供了一些可以便捷地改變數(shù)組基礎(chǔ)形狀的屬性和方法，例如，將一個3行4列的二維數(shù)組轉(zhuǎn)換成6行2列的二維數(shù)組，關(guān)于這些屬性和方法的具體說明如表9-3所示。

上述這些方法都能夠改變數(shù)組的形狀，但是，reshape()、ravel()方法和T屬性返的都是一個已經(jīng)修改的新數(shù)組，并不會修改原始數(shù)組。例如：

>>> import numpy as np
>>> arr = np.array([[1, 2, 3], [4, 5, 6]]]    #創(chuàng)建一個2行3列的數(shù)組
>>> arr
array([[1, 2, 3],
      [4,5,6]])
>>> new_arr = arr.reshape((3, 2))     #返回維度為（3,2）的數(shù)組
>>> new arr
array([[1, 2],
      [3,4],
      [5,6]])
>>> arr.ravel()     #對數(shù)組進行降維處理
array([1, 2, 3, 4, 5, 6])
>>> arr.T           #對數(shù)組進行軸對換
array([[1, 4],
      [2,5],
      [3,6]])
>>> arr            #查看原始數(shù)組是否發(fā)生變化
array([[1, 2, 3],    
[4,5,6]])

numpy數(shù)組制樣支持索引和切片操作，具體的用法與序列類型相似。例如：

>>>arr = np.arange(1,9）.reshape((4,22)) #生成4行2列的數(shù)組
>>> arr
array([[1, 2],
      [3,4],
      [5,6],
      [7,8]])
>>> arr[2]            #獲取第2行數(shù)據(jù)
array([5, 6])
>>> arr[1:3]          #獲取第1～2行數(shù)據(jù)
array([[3, 4],
      [5,6]])

除此之外，numpy中提供了一批具有基本數(shù)學(xué)運算功能的函數(shù)，如表9-4所示。

表9-4 numpy模塊的算術(shù)運算函數(shù)

表9-4中列舉的所有運算函數(shù)的參數(shù)y都是可選的，如果指定了參數(shù)y，結(jié)果將被保存到y(tǒng)中,比如np.add(a,b,a)表示a+=b;如果沒有指定參數(shù)y,結(jié)果將被保存到一個新創(chuàng)建的數(shù)組中，比如c=np.add(a,b)表示c=a+b。

數(shù)組無須循環(huán)遍歷便可以對每個元素執(zhí)行批量的算術(shù)操作，也就是說形狀相同的數(shù)組之間執(zhí)行算術(shù)運算時，會應(yīng)用到位置相同的元素上進行計算。例如，數(shù)組a=[1,2,3]和數(shù)組b=[4,5,6]，a*b所得的結(jié)果為1*4、2*5和3*6組成的一個新數(shù)組。若兩個數(shù)組的基礎(chǔ)形狀不同，numpy可能會觸發(fā)廣播機制，該機制需要滿足以下任一條件。

Numpy數(shù)組運算【黑馬程序員】

Python是怎樣創(chuàng)建NumPy數(shù)組的？

NumPy常用的數(shù)據(jù)類型有哪些？怎樣進行轉(zhuǎn)換？

numpy array和python list相比有什么優(yōu)勢？

黑馬程序員AI人工智能培訓(xùn)