numpy科学计算库的基础用法，完美抽象多维数组(原创)

#起别名避免重名
import numpy as np

#小技巧：print从外往内看==shape从左往右看

if __name__ == "__main__":

    print('numpy版本号  {}'.format(np.version.version))

    n_1 = np.array([1,2,3])
    print('
{} 
{} 维数组 
{} 形状包含元素个数'.format(n_1, n_1.ndim, n_1.shape))                     

    n_2 = np.array([[1,2,3],[4,5,6]])
    print('
{} 
{} 维数组 
{} 形状包含行数、列数'.format(n_2, n_2.ndim, n_2.shape))

    n_3 = np.array([[[1,2,3],[4,5,6],[7,8,9]]])
    print('
{} 
{} 维数组 
{} 形状包含2维数组个数、行数、列数'.format(n_3, n_3.ndim, n_3.shape))          

    print("
使用size()方法来打印多维数组的元素个数")
    print(np.size(n_1))
    print(np.size(n_2))
    print(np.size(n_3))

    print("
 <class 'list'>对比数据类型<class 'numpy.ndarray'>")
    print(type([1,2,3]))
    print(type(n_1))

    print("
 内置dtype属性来打印多维度数组的元素类型")
    print(type(123))
    print(n_1.dtype)

    print("
 itemsize属性，来打印多维数组中的数据所占字节大小")
    print(n_1.itemsize, n_2.itemsize, n_3.itemsize)

    print("
 data属性，用来打印数据缓冲区--buffer---/也就是内存地址/")
    print(n_1.data, n_2.data, n_3.data)
 
    #使用reshape()方法，根据形状反向生成多维数组
    n_3 = np.array(range(24)).reshape((3,2,4))  #3个二维数组,每个2行,4列
    print('
',n_3)

    #使用浮点--元素类型
    n_float = np.array([1.0, 2.0, 3.0])
    print('
',n_float.dtype)   #float64

    #使用字符串-元素类型
    n_str = np.array(['1','2','3'])
    print(n_str.dtype)  #<U1
    
    #使用整形--元素类型
    n_int = np.array(range(20))
    print(n_int.dtype)  #int32
    
    #正向
    n_4 = np.array([[[list(range(5)),list(range(5,10)),list(range(10,15))]]])
    print(n_4)
    print('* '*50)

    #反向
    n_4 = np.array(range(20)).reshape((2,1,2,5))
    print(n_4)
    print('* '*50)

    n_3 = np.array(range(20)).reshape((2,2,5))
    print(n_3)
    print('* '*50)

    #随机数
    n0 = np.random.randint(0,100)
    print("
{}的类型是{}".format(n0,type(n0)))
    n1 = np.random.rand()
    print("{}的类型是{}".format(n1,type(n1)))
    n2 = np.random.randn()
    print("{}的类型是{}".format(n2,type(n2)))
    n3 = np.random.random_sample(10)
    print("{}的类型是{}".format(n3,type(n3)))

#导入科学计算库
import numpy as np 


#元素为1的多维数组
nlist_ones = np.ones((4,4))
print(nlist_ones)
print(nlist_ones.dtype)     #元素float64

#元素为0的多维数组
nlist_zeros = np.zeros((4,4))
print(nlist_zeros)

#使用empty方法来生成随机多维数组，使用第二个参数指定元素类型
nlist_empty = np.empty((5,5),dtype=np.int)
print(nlist_empty)
print(nlist_empty.dtype)    #int32


# asarray把普通list转换为数组
x = [1,2,3]
print(type(x))
nlist = np.asarray(x)
print(type(nlist))
print(nlist)

#frombuffer把字符串（buffer内存地址）字节切片来生成多维数组
#b强转byte字节
my_str = b'Hello World'
nlist_str = np.frombuffer(my_str,dtype='S1')
print(nlist_str)


# 数组运算
# axis属性指定行或列，keepdims保持之前维度
x = np.array([[1,2],[3,4]])
print(x)
sum0 = np.sum(x,axis = 0,keepdims=True)  #axis = 0/行级/
print(sum0)
sum1 = np.sum(x,axis=1,keepdims=True)    #axis = 1/列级/
print(sum1)


#多维数组赋值
x = np.array([1,2])
x[1] = 3
print(x)
y = x.copy()    
y[0] = 3
print(x)

#维度级的运算
a = np.array([[1,2],[3,4],[5,6]])
b = np.array([[11,22],[33,44],[55,66]])
#vstack()方法---维度一样--- vertical垂直合并
suma = np.vstack((a,b))
print(suma)
#hstack()方法---维度一样--- 横向连纵
sumb = np.hstack((a,b))
print(sumb)

#多维数组调用
nl = np.array([[1,2],[3,4],[5,6]])
# 取子数据
print(nl[[2]])
# 取元素
print(nl[0][0])
print(nl[0,0])
# 元素赋值
nl[1,1] = 44
print(nl)
#调换子数据位置
print(nl[[2,1,0]])

#删除方法 delete
#删除nlist第二行
print(np.delete(nl,1,axis=0))
print(np.delete(nl,0,axis=1))

#范围区间差 = 形状数的乘积
a = np.arange(1,5).reshape((2,2))
b = np.arange(3,7).reshape((2,2))
print(a)
print(b)

# 1、创建一个长度为10的一维全为0的多维数组，然后让第5个元素等于1
ll = np.zeros((10,))
print(ll)
print(ll.ndim)
print(ll.size)
ll[4] = 1
print(ll)

q1 = np.zeros(shape=10)
print(q1)
q1[4] = 1
print(q1)

# 2、创建一个每一行都是从0到4的5*5矩阵
list_5 = np.array([[range(5)]*5])
print(list_5)
l_2 = np.array([range(5)]*5).reshape(5,5)
print(l_2)

# 3、假如给定一个3*3的二维数组，如何交换其中两行的元素？
vv0 = np.random.randint(0,100,size=(2,2))
print(vv0)
print(vv0[[1,0]])

# 4、假如给定一个3*3的二维数组，如何交换其中两行的元素？
vv = np.random.randint(0,100,size=(3,3))
print(vv)
print(vv[[1,0,2]])
print(vv[[2,0,1]])
print(vv[[0,2,1]])


# 5、原数组为一维数组，内容为从 0 到 100，抽取出所有偶数。
mm = np.arange(0,101).reshape(101,)

print(mm[::2])

mm = filter(lambda x:x%2==0, mm)
print(np.array(list(mm)))

    # 用数组运算
mm = np.array(range(101))
print(mm)
mm = mm[mm % 2 == 0]
print(mm)