numpy常规操作笔记

前言

numpy的常用操作总结下，包括切片和索引，数组操作，轴转换(用的不多，多用transpose)

切片和索引

jupyter文档参考：https://github.com/feixian15/jupyter_note_zy/blob/master/jupyter notebook/numpy-切片和索引.ipynb
取出数组的一部分叫切片。索引是指按照一种数据结构快速查找数据的方式。

1. 常规切割：

• 可以通过冒号分隔切片参数 start:stop:step 来进行切片操作
• 可以使用冒号：或者省略号…来取一个区间的元素

2. 高级索引

• 使用array[数组x，数组y]的形式来进行索引，数组x(y)可以是一维或者多维数组，这种形式只能进行索引，不能切片，一维数组切割出来结果为一维，多维数组切割出来结果为多维度
• 可以借助 : 或 … 进行切片
• 布尔索引: 结果为一维数组
• 花式索引：也是通过数组进行切片或者索引， 和1，2的区别是能够自定义切割结果的顺序(能够变换里面元素的位置)。 包括顺序索引数组，倒序索引数组，多个索引数组（要使用np.ix_）
  笔记参考：http://www.runoob.com/numpy/numpy-advanced-indexing.html

数组操作

jupyter文档参考：https://github.com/feixian15/jupyter_note_zy/blob/master/jupyter notebook/numpy-数组操作.ipynb
numpy数组的常规操作有数组连接，劈分，展平，修改形状等操作

1. 数组连接 ：concatenate，stack，block
   concatenate根据指定的维度，对一个元组、列表中的list或者ndarray进行连接，
   不会增加维度。stack会按照选择的轴增加一个维度，实际使用的时候可以先把拼接后的形状写出来，然后再考虑合并后的数组是怎样的。
   block是把一系列的块(通常是ndarray格式)构成的list合并成一个大矩阵，举个例子，一个矩阵均分为4块，再合并为一个大矩阵
   只使用一句代码时可以使用这个函数，后面用例子具体说明。

2. 数组劈分： split，hsplit, vsplit
   split(array, int)或者split(array, list),list中定义切割的位置。
   hsplit, vsplit和split用法一样

3. 展平操作: flat,flatten,ravel
   flat返回一个数组元素迭代器， flatten()返回一份数组拷贝, ravel()修改会影响原始数组

4. 修改形状：numpy.reshape （在一维，二维，三维的时候容易理解，当超过三维的时候就难理解一些，可以通过观察中括号[]的方式来理解）

5. 转置： numpy.transpose 函数用于对换数组进行转置，transpose(1,2,0)

轴转换

主要是numpy.rollaxis 和 numpy.swapaxes两个函数

1. rollaxis： 向后滚动特定的轴到一个特定位置，其它轴的相对位置不会改变（例如rollaxis(array,2,0)的轴变换是（0，1，2）变为（1，2，0））
2. swapaxes： 用于交换数组的两个轴 swapaxes（array,2,0）是 （0，1，2）变为（2，1，0）
   具体参考：
   http://www.runoob.com/numpy/numpy-array-manipulation.html
   https://blog.csdn.net/kieven2008/article/details/80035668
   https://blog.csdn.net/liaoyuecai/article/details/80193996

其他常见函数

1. np.unique() 得到矩阵不重复的元素
2. np.where(array>0)返回array中>0的位置([x],[y]), x，y分别为横纵坐标的位置
3. np.where(condition, [x, y]), 相当于:

if （condituons成立）：
　　数组变x
else:
　　数组变y