（1）NumPy - 切片和索引

l ndarray對象中的元素遵循基於零的索引。 有三種可用的索引方法類型： 字段訪問，基本切片和高級索引。

l 基本切片 Python 中基本切片概念到 n 維的擴展。切片只是返回一個觀圖。

l 如果一個ndarray是非元組序列，數據類型為整數或布爾值的ndarray，或者至少一個元素為序列對象的元組，我們就能夠用它來索引ndarray。高級索引始終返回數據的副本。 有兩種類型的高級索引：整數和布爾值。

整數索引實例

import numpy as np 

x = np.array([[1,  2],  [3,  4],  [5,  6]]) 

y = x[[0,1,2],  [0,1,0]]  

print y

輸出如下：[1 4 5]

布爾索引實例

import numpy as np

a = np.array([np.nan, 1,2,np.nan,3,4,5])

print a[~np.isnan(a)]

輸出如下[ 1.   2.   3.   4.   5.]

（2）NumPy廣播

廣播是指 NumPy 在算術運算期間處理不同形狀的數組的能力。

如果兩個陣列具有完全相同的形狀，則這些操作被無縫執行。如果兩個數組的維數不相同，則元素到元素的操作是不可能的。 然而，在 NumPy 中仍然可以對形狀不相似的數組進行操作，因為它擁有廣播功能。 較小的數組會廣播

如果滿足以下規則，可以進行廣播：

• ndim較小的數組會在前面追加一個長度為 1 的維度。
• 輸出數組的每個維度的大小是輸入數組該維度大小的最大值。
• 如果輸入在每個維度中的大小與輸出大小匹配，或其值正好為 1，則在計算中可它。
• 如果輸入的某個維度大小為 1，則該維度中的第一個數據元素將用於該維度的所有計算。

如果上述規則產生有效結果，並且滿足以下條件之一，那麽數組被稱為可廣播的。

• 數組擁有相同形狀。
• 數組擁有相同的維數，每個維度擁有相同長度，或者長度為 1。
• 數組擁有極少的維度，可以在其前面追加長度為 1 的維度，使上述條件成立。

（3）NumPy - 數組上的叠代

• NumPy 包包含一個叠代器對象numpy.nditer。 它是一個有效的多維叠代器對象，可以用於在數組上進行叠代。 數組的每個元素可使用 Python 的標準Iterator接口來訪問。
• nditer對象有另一個可選參數op_flags。 其默認值為只讀，但可以設置為讀寫或只寫模式。 這將允許使用此叠代器修改數組元素。nditer類的構造器擁有flags參數，它可以接受下列值：

序號 參數及描述

1. c_index 可以跟蹤 C 順序的索引

2. f_index 可以跟蹤 Fortran 順序的索引

3. multi-index 每次叠代可以跟蹤一種索引類型

4. external_loop 給出的值是具有多個值的一維數組，而不是零維數組

如果兩個數組是可廣播的，nditer組合對象能夠同時叠代它們。 假設數組a具有維度 3X4，並且存在維度為 1X4 的另一個數組b，則使用以下類型的叠代器(數組b被廣播到a的大小)。

（4）NumPy - 數組操作

修改形狀

• numpy.reshape不改變數據的條件下修改形狀：numpy.reshape(arr, newshape, order‘)
• numpy.ndarray.flat該函數返回數組上的一維叠代器，行為類似 Python 內建的叠代器。
• numpy.ndarray.flatten該函數返回折疊為一維的數組副本：ndarray.flatten(order)，其中：order：‘C‘ — 按行，‘F‘ — 按列，‘A‘ — 原順序，‘k‘ — 元素在內存中的出現順序
• numpy.ravel這個函數返回展開的一維數組，並且按需生成副本。返回的數組和輸入數組擁有相同數據類型：numpy.ravel(a, order)

翻轉操作

• numpy.transpose翻轉給定數組的維度。如果可能的話它會返回一個視圖。函數接受下列參數：numpy.transpose(arr, axes)
• numpy.ndarray.T該函數屬於ndarray類，行為類似於numpy.transpose
• numpy.rollaxis該函數向後滾動特定的軸，直到一個特定位置。這個函數接受三個參數：numpy.rollaxis(arr, axis, start)
• numpy.swapaxes該函數交換數組的兩個軸。numpy.swapaxes(arr, axis1, axis2)

修改維度

• broadcast 此功能模仿廣播機制。 它返回一個對象，該對象封裝了將一個數組廣播到另一個數組的結果。
• numpy.broadcast_to此函數將數組廣播到新形狀。 它在原始數組上返回只讀視圖。 它通常不連續。 如果新形狀不符合 NumPy 的廣播規則，該函數可能會拋出ValueError。numpy.broadcast_to(array, shape, subok)
• numpy.expand_dims函數通過在指定位置插入新的軸來擴展數組形狀：numpy.expand_dims(arr, axis)
• numpy.squeeze函數從給定數組的形狀中刪除一維條目： numpy.squeeze(arr, axis)

數組的連接

• numpy.concatenate數組的連接是指連接。 此函數用於沿指定軸連接相同形狀的兩個或多個數組。 該函數接受以下參數。numpy.concatenate((a1, a2, ...), axis)
• numpy.stack此函數沿新軸連接數組序列：numpy.stack(arrays, axis)
• numpy.vstacknumpy.stack函數的變體，通過堆疊來生成豎直的單個數組
• numpy.hstacknumpy.stack函數的變體，通過堆疊來生成水平的單個數組

數組分割

• numpy.split該函數沿特定的軸將數組分割為子數組。numpy.split(ary, indices_or_sections, axis)
• numpy.hsplit是split()函數的特例，其中軸為 1 表示水平分割，無論輸入數組的維度是什麽。
• numpy.vsplit是split()函數的特例，其中軸為 0 表示豎直分割，無論輸入數組的維度是什麽。

添加/刪除元素

• numpy.resize此函數返回指定大小的新數組。 如果新大小大於原始大小，則包含原始數組中的元素的重復副本。numpy.resize(arr, shape)
• numpy.append此函數在輸入數組的末尾添加值。 附加操作不是原地的，而是分配新的數組。 此外，輸入數組的維度必須匹配否則將生成ValueError。numpy.append(arr, values, axis)
• numpy.insert此函數在給定索引之前，沿給定軸在輸入數組中插入值。 如果值的類型轉換為要插入，則它與輸入數組不同。 插入沒有原地的，函數會返回一個新數組。 此外，如果未提供軸，則輸入數組會被展開。numpy.insert(arr, obj, values, axis)
• numpy.delete此函數返回從輸入數組中刪除指定子數組的新數組。與insert()函數的情況一樣，如果未提供軸參數，則輸入數組將展開。Numpy.delete(arr, obj, axis)
• numpy.unique 此函數返回輸入數組中的去重元素數組。 該函數能夠返回一個元組，包含去重數組和相關索引的數組。 索引的性質取決於函數調用中返回參數的類型。numpy.unique(arr, return_index, return_inverse, return_counts)

Numpy學習筆記（二）