必备-基础知识

一维数组 
import numpy as np
a = np.arange(6)

print(a)

[0 1 2 3 4 5]

print(a[2])

2

print(a[-1])

5

print(a[-3])

3

a1=a.copy()

print(a1)

[0 1 2 3 4 5]

a2=a[1:3].copy()
print(a2)

[1 2]
多维数组的索引和切片 
arr = np.arange(12).reshape(3,4)

print(arr)

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]

print(arr[0,1])

1

print(arr[0:2,1])

[1 5]

print(arr[:,(1,2)])

[[ 1  2]
 [ 5  6]
 [ 9 10]]

# 此输出少？取值位置1，1对应
print(arr[(0,2),(1,2)])

[ 1 10]

# 布尔mask
mask = np.array([1,0,1],dtype=np.bool)

print(mask)

[ True False  True]

# 怎么确定行？1才显示
print(arr[mask,1])

[1 9]
numpy通用函数ufunc函数 
# 数组和标量的运算numpy不用for可直接*
# numpy通用函数ufunc函数-四则运算-注意：幂（**），比较运算，
# np.any表示逻辑or，np.all表示and，返回布尔值

# np. 广播任何维度不匹配，但至少有一个维度。左自动补1，
# 暂且来看，只有一个维度相等，多维都会遍历加底维

# 查看行列
print(arr)
print(arr.shape)

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
(3, 4)

b = np.array([[1,1,1,1]])

print(b)
print(b.shape)

[[1 1 1 1]]
(1, 4)

c = arr + b
print(c)

[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]
np.where(条件，成立返回，不成立返回) 
# np.where(条件，成立返回，不成立返回)
# 解决条件逻辑运算，不适用大规模数组的情况
np.where([[True,False],[True,True]],
         [[1,2],[3,4]],[[9,8],[7,6]])

array([[1, 8],
       [3, 4]])

w = np.array([2,1,-2,3])
w1 = np.where(w>0)
print(w1)

(array([0, 1, 3]),)