Python Numpy

1.改变数组形状

数组的shape属性返回一个元组，包括维度以及每个轴的元素数量，Numpy 还提供了一个reshape()方法，它可以改变数组的形状，返回一个新的数组。

例如：

a = np.array([1,2,3,4,5,6,7,8])

转换成二维数组：

b = a.reshape((2,4))

转换成三维数组：

c = a.reshape((2,2,2))

但是需要注意的是，修改后的数组元素个数与原数组元素个数必须是一致的，不一致会报错。 例如执行b = a.reshape((2,5))代码会报“ValueError: cannot reshape array of size 8 into shape (2,5)”的错误。

2.索引和切片

在处理数据时，不可避免要对数据进行索引和切片，选择数据的某几行、某几列数据等，Numpy 在这方面也非常强大，具体如下：

一维数组索引和切片一维数组索引和切片比较简单，类似于Python的列表，例如：

a = np.array([1,2,3,4,5,6])
# 获取第4个元素
a[4]
# 获取前3个元素
a[:3]

多维数组索引和切片多维数组有多个轴，那么就需要对每个轴进行索引，此处以二维数组为例：

a = np.array([[1,2,3],[4,5,6]])
# 获取某一行数据（第二行）
a[1]
# 获取第二行第二个数据
a[1,1]

如果取第0轴前2个元素、第1轴前2个元素，那么切片如下：

a[:2,:2]

布尔索引

Numpy 布尔索引指的是根据bool类型True和False确定的索引，例如：

a = np.arange(10)
b = a<6
b

结果输出如下：

array([ True,  True,  True,  True,  True,  True, False, False, False,
       False])

通过结果可以看到，元素值小于6的话，布尔索引值为True，否则为False。 如果想要过滤出来符合条件的结果，而不是输出True和False，可以使用a[b]即a[a<6]实现。