numpy学习笔记

	作用
1	基本属性
`a.dtype`	数组元素类型 `float32,uint8,...`
`a.shape`	数组形状 `(m,n,o,...)`
`a.size`	数组元素数
`a.itemsize`	每个元素占字节数
`a.nbytes`	所有元素占的字节
`a.ndim`	数组维度
2	形状相关
`a.flat`	所有元素的迭代器
`a.flatten()`	返回一个1维数组的复制
`a.ravel()`	返回一个1维数组，高效
`a.resize(new_size)`	改变形状
`a.swapaxes(axis1, axis2)`	交换两个维度的位置
`a.transpose(*axex)`	交换所有维度的位置
`a.T`	转置，`a.transpose()`
`a.squeeze()`	去除所有长度为1的维度
3	填充复制
`a.copy()`	返回数组的一个复制
`a.fill(value)`	将数组的元组设置为特定值
4	转化
`a.tolist()`	将数组转化为列表
`a.tostring()`	转换为字符串
`a.astype(dtype)`	转化为指定类型
`a.byteswap(False)`	转换大小字节序
`a.view(type_or_dtype)`	生成一个使用相同内存，但使用不同的表示方法的数组
5	复数
`a.imag`	虚部
`a.real`	实部
`a.conjugate()`	复共轭
`a.conj()`	复共轭（缩写）
6	保存
`a.dump(file)`	将二进制数据存在file中
`a.dump()`	将二进制数据表示成字符串
`a.tofile(fid, sep="",format="%s")`	格式化ASCⅡ码写入文件
7	查找排序
`a.nonzero()`	返回所有非零元素的索引
`a.sort(axis=-1)`	沿某个轴排序
`a.argsort(axis=-1)`	沿某个轴，返回按排序的索引
`a.searchsorted(b)`	返回将b中元素插入a后能保持有序的索引值
8	元素数学操作
`a.clip(low, high)`	将数值限制在一定范围内
`a.round(decimals=0)`	近似到指定精度
`a.cumsum(axis=None)`	累加和
`a.cumprod(axis=None)`	累乘积
9	约简操作
`a.sum(axis=None)`	求和
`a.prod(axis=None)`	求积
`a.min(axis=None)`	最小值
`a.max(axis=None)`	最大值
`a.argmin(axis=None)`	最小值索引
`a.argmax(axis=None)`	最大值索引
`a.ptp(axis=None)`	最大值减最小值
`a.mean(axis=None)`	平均值
`a.std(axis=None)`	标准差
`a.var(axis=None)`	方差
`a.any(axis=None)`	只要有一个不为0，返回真，逻辑或
`a.all(axis=None)`	所有都不为0，返回真，逻辑与

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
# 2019-10-25 不更新时间了
# numpy 学习笔记
# icenaive
# 参考： https://github.com/lijin-THU/notes-python
# 仅供个人学习使用
#
# 10. 数组属性方法总结

import numpy as np

# 基本属性
a = np.array([[0, 1, 2, 3], [4, 5, 6, 7]])
print(a)

# 数组元素属性
print(a.dtype)
# 形状
print(a.shape)
# 元素数目
print(a.size)
# 单个元素所占字节的大小
print(a.itemsize)
# 所有元素所占字节
print(a.nbytes)
# 数据维度
print(a.ndim)

# 形状相关
for row in a:
    print(row)

# 所有元素的迭代器
for elt in a.flat:
    print(elt)

# 所有元素组成的一维数组 按照行排列
print(a.flatten())
print(a.ravel())

# 重新改变形状
a.resize((4, 2))
print(a)

# 交换两个轴的顺序
print(a.swapaxes(0 , 1))
print(a)

# 转置
print(a.transpose())
print(a)
print(a.T, a)

a = np.array([1, 2, 3])
print(a.shape)
a.resize(1, 3, 1)
print(a.shape)
# 去除长度为1的维度
a = a.squeeze()
print(a.shape)

# 填充复制
a = np.array([[0, 1],
              [2, 3],
              [4, 5],
              [6, 7]])
b = a.copy()
print(b)

# 复制不会影响原来的数组
b[0][0] = -1
print(b)
print(a)

# 填充
b.fill(6)
print(b)

# 转化
# 转化为列表
print(a.tolist())

# 转化为字符串
print(a.tostring())

# 改变数组元素类型
print(a.astype(float))

b = a.copy()
# 转换大小字节顺序
print(b.byteswap(False))
# 将它看作是16位整数
# 32位变成两个16位？？
print(a.view(dtype = np.int16))

# 复数
# 实部
b = np.array([1 + 2j, 3 + 4j, 5 + 6j])
print(b.real)

# 虚部
print(b.imag)

# 共轭
print(b.conj())
print(b.conjugate())

# 保存
# 保存为文本
a.dump("./DEMO/file1.txt") # 二进制
print(a.dumps())
# 写入文件
a.tofile('./DEMO/foo.csv', sep = ',', format = "%s")

# 查找排序
# 非零元素的索引
print(a)
print(a.nonzero())

# 排序
b = np.array([3, 2, 7, 4, 1])
b.sort()
print(b)

# 排序的索引位置
b = np.array([2, 3, 1])
print(b.argsort(axis = -1))

# 将 b 插入 a 中的索引，使得 a 保持有序：
a = np.array([1, 3, 4, 6])
b = np.array([0, 2, 5])
print(a.searchsorted(b)) # 相对于a的位置

# 元素数学操作
# 限制在一定范围
a = np.array([[4, 1, 3], [2, 1, 5]])
print(a.clip(0, 2)) # 大于和小于的会更改为边界值
# 近似
a = np.array([1.344, 2.449, 2.558])
print(a.round(decimals = 2))

# 累加和
a = np.array([[4, 1, 3], [2, 1, 5]])
print(a.cumsum(axis = None)) # 第一个数， 第一加第二，第二加第三....
# 累乘积
print(a.cumprod(axis = None))# 同上

# 约简操作
# 求和
a = np.array([[4, 1, 3], [2, 1, 5]])
print(a.sum(axis = None))
# 求积
print(a.prod(axis = None))
# 最小值和索引
print(a.min(axis = None))
print(a.argmin(axis = None))

# 最大值和索引
print(a.max(axis = None))
print(a.argmax(axis = None))

print(a)
print(a.argmax(axis = -1))

# 最大间隔
print(a.ptp(axis = None))
# 均值
print(a.mean(axis = None))
# 标准差
print(a.std(axis = None))
# 方差
print(a.var(axis = None))
# 是否有非零元素
print(a.any(axis = None))
# 是否全部非零
print(a.all())
# 删除生成的文件
import os
os.remove('./DEMO/foo.csv')
os.remove('./DEMO/file1.txt')