Python|Numpy数组基础知识

关于Numpy基本的数组操作有：

• 数组的属性
  数组的大小、形状、储存大小、数据类型
• 数组的索引
  获取和设置数组各个元素的值
• 数组的切分
  在大的数组中获取或设置更小的子数组
• 数组的变形
  改变给定数组的形状
• 数组的拼接和分裂
  将多个数组合并为一个，以及将一个数组分裂成多个

1. 数组的属性

• nidm（数组的维度）
• shape（数组每个维度的大小）
• size（数组的总大小）
• dtype（数组的数据类型）
• itemsize（每个数组元素字节大小）
• nbytes（数组总字节大小）

属性

一般地可以认为 nbytes 与 itemsize 和 size 的乘积大小相等

2. 数组索引

• 可以通过中括号制定索引获取第i个值（从0开始计数）
• 为了获取数组的末尾值，可以用负值索引

• 在多维数组中，可以用逗号分隔的索引元组获取元素

  
  索引

特别注意：NumPy 数组是固定类型的，将一个浮点值插入一个整型数组时，浮点值会被截短成整型。并且这种截短是自动完成的，不会给任何提示或警告

注意

3. 数组切片

切片符号用冒号(:)表示，其语法方式：
x[start:stop:step]
如果以上3个参数都未指定，则会被分别设置默认值start=0,stop=维度的大小,step=1

• 3.1一维子数组

3.1

其中，步长设置为负值是一种非常方便的获取逆序数组的方式。

• 3.2 多维子数组

  
  3.2

• 3.3 获取数组的行和列
  平时一种常见的需求是获取数组的单行和单列，可以将索引与切片组合起来实现。

3.3

• 3.4 非副本视图的子数组
  关于数组切片有一点很重要也非常有用，即数组切片返回的是数组数据的视图，而不是数值数据的副本。

3.4

这种处理方式很有用，这表明在处理非常大的数据集时，可以获取或处理这些数据集的片段，而不用复制底层的数据缓存。

• 3.5 创建数组的副本
  数组视图有一些非常好的特性，但是在有些时候明确地复制数组里的数据或子数组也是非常有用的。此时用copy()方法就可以~

  
  3.5

4. 数组的变形
   数组变形最灵活的实现方式是通过 reshape() 函数来实现。但要注意原始数组的大小必须和变形后数组的大小一致。此外还可以在一个切片操作中利用 newaxis 关键字来实现。

4

5. 数组拼接和分裂
   数组的拼接主要由 np.concatenate、 np.vstack 和 np.hstack实现

   
   拼接1

拼接2

数组的分裂主要由 np.split、 np.hsplit 和 np.vsplit 函数来实现

分裂

需要注意的是，N 分裂点会得到 N + 1 个子数组