numpy 笔记

reshape 和 resize 的区别 The reshape function returns its argument with a modified shape, whereas the ndarray.resize method modifies the array itself: >>> a array([[ 2., 8., 0., 6.], [ 4., 5., 1., 1.], [ 8., 9., 3., 6.]]) >>> a.resize((2,6)) >>> a array([[ 2., 8., 0., 6., 4., 5.], [ 1., 1., 8., 9., 3., 6.]]) no copy at all >>> a = np.arange(12) >>> b = a # no new object is created >>> b is a # a and b are two names for the same ndarray object True deep copy The copy method makes a complete copy of the array and its data. >>> d = a.copy() # a new array object with new data is created >>> d is a False >>> d.base is a # d doesn't share anything with a False

有时，如果不再需要原始数组，应该在切片之后调用copy。例如，假设a是一个巨大的中间结果，最终的结果b只包含了a的一小部分，那么在用切片构造b时，需要进行深度复制:

>>> a = np.arange(int(1e8)) >>> b = a[:100].copy() >>> del a # the memory of ``a`` can be released. Indexing with Boolean Arrays 布尔索引最常用的方法是使用与原始数组形状相同的布尔数组: >>> a = np.arange(12).reshape(3,4) >>> b = a > 4 >>> b # b is a boolean with a's shape array([[False, False, False, False], [False, True, True, True], [ True, True, True, True]]) >>> a[b] # 1d array with the selected elements array([ 5, 6, 7, 8, 9, 10, 11])

这个属性在赋值时非常有用:

>>> a[b] = 0 # All elements of 'a' higher than 4 become 0 >>> a array([[0, 1, 2, 3], [4, 0, 0, 0], [0, 0, 0, 0]]) 我们可以对两个不同大小的矩阵执行运算, 前提是某一个矩阵维度为 1.此时, Numpy使用广播规则执行算术运算.图像图像是尺寸(高度 × 宽度) 的像素矩阵.如果图像是黑白(即灰度)的, 则每个像素都可以用单个数字表示(通常在0(黑色)和255(白色)之间).下面是一个图像文件的片段: 如果图像是彩色的,则每个像素有三个数字表示---红色, 绿色和蓝色. 在这种情况下,我们需要一个三维数组. 因此彩色图像由尺寸为 (高 × 宽 × 3)的 ndarray 表示: