python 矢量化,python向量化计算

　　首先，本文继续numpy学习。

　　两向量运算numpy的数组通常是批量运算，不写循环。

　　一维数组

　　二维数组

　　其他运算：加减乘除。以乘法为例。

　　numpy广播(Broadcast)广播是NumPy对不同形状的数组进行数值计算的一种方式。数组上的算术运算通常在相应的元素上执行。

　　如果两个数组A和B的形状相同，即满足a.shape == b.shape，那么a*b的结果就是数组A和B的对应位相乘，这就要求维数相同，每个维数的长度相同。

　　当操作中两个数组的形状不同时，numpy会自动触发广播机制。

　　三个NumPy切片和索引ndarray对象的内容可以通过索引或切片来访问和修改，就像Python中list的切片操作一样。

　　Ndarray数组可以基于0-n的下标进行索引，slice对象可以通过内置的Slice函数进行切片，可以设置start、stop和step参数，从原数组中切出一个新的数组。

　　多维数组也适用于上述索引提取方法：

　　numpy数组比较运算

　　整数数组索引以下示例获取数组中位置(0，0)、(1，1)和(2，0)处的元素。

　　布尔索引我们可以通过一个布尔数组来索引目标数组。

　　布尔索引通过布尔运算(如比较运算符)获得满足指定条件的元素数组。

　　从数组中筛选出不复杂的元素。

　　花式索引是指用整数数组进行索引。

　　花式索引根据索引数组的值取值，作为目标数组的一个轴的下标。对于一维整数数组作为index，如果目标是一维数组，那么index的结果就是对应位置的元素；如果目标是二维数组，那么它就是下标对应的行。

　　与切片不同，花式索引总是将数据复制到一个新的数组中。

　　下面的示例取出一个8*4矩阵的第4、2、1和7行来构成一个新数组。

　　请注意两者之间的区别。它是右边的第二个索引，并且(先选择行，然后选择列)是所需数据所在列的下标。

　　列式选择：要使用np.ix_

　　四个Numpy数组操作修改数组整形的形状，而不改变数据。flatten，平面数组元素的迭代器，返回数组的副本，对副本所做的更改不会影响原始数组。ravel返回扩展的数组。numpy . shape numpy . shape修改形状而不更改数据。格式如下：numpy。reshape (arr，new shape，order= c )

　　Arr:要修改形状数组newshape: integer或integer array，新形状应该与原始形状顺序兼容：“c”-按行，“f”-按列，“a”-原始顺序，“k”-元素在内存中出现的顺序。

　　翻转数组函数描述了转置数组的维数。t和self.transpose()。同一个rollaxis向后滚动指定的轴。交换数组的两个轴。转置函数用于交换数组的维数。格式如下：

　　numpy.transpose(arr，axes)

　　Numpy.ndarray.T类似于numpy.transpose:不贴例子。

　　Numpy.rollaxis numpy.rollaxis函数按以下格式将特定轴滚动回特定位置：

　　numpy.rollaxis(arr，axis，start)参数说明：

　　Arr:数组轴：向后滚动的轴，其他轴的相对位置不变。start:默认值为零，表示完整滚动。将滚动到特定位置。

　　关于轴的例子很抽象，只看概念很难理解。我的理解是：给纸上的每个数字编号。

　　上面的例子，0(000)，1(001)，2(010)，3(011)，4(100)，5(101)，6(110)，7(111)

　　这个轴2滚动，对于000，001-100，010-001，011-101，100-010，101-110，110-011.111不变。

　　结合前面的数组比较，很容易理解这一点。

　　注意哪里：

　　numpy.where() numpy.where()函数返回输入数组中满足给定条件的元素的索引。

　　其中等效于if条件。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。