python 数组相关知识总结（未完）

有用的blog链接：/article/2277922.html

http://blog.csdn.net/sunny2038/article/details/8907736

/article/2277924.html

变量的深浅赋值（to be continued）

1、Numpy是什么

很简单，Numpy是Python的一个科学计算的库，提供了矩阵运算的功能，其一般与Scipy、matplotlib一起使用。其实，list已经提供了类似于矩阵的表示形式，不过numpy为我们提供了更多的函数。如果接触过matlab、scilab，那么numpy很好入手。 在以下的代码示例中，总是先导入了numpy：

复制代码代码如下:

>>> import numpy as np

>>> print np.version.version

1.6.2

2、多维数组

多维数组的类型是：numpy.ndarray。

使用numpy.array方法

以list或tuple变量为参数产生一维数组：

复制代码代码如下:

>>> print np.array([1,2,3,4])

[1 2 3 4]

>>> print np.array((1.2,2,3,4))

[ 1.2 2. 3. 4. ]

>>> print type(np.array((1.2,2,3,4)))

<type 'numpy.ndarray'>

以list或tuple变量为元素产生二维数组：

复制代码代码如下:

>>> print np.array([[1,2],[3,4]])

[[1 2]

[3 4]]

生成数组的时候，可以指定数据类型，例如numpy.int32, numpy.int16, and numpy.float64等：

复制代码代码如下:

>>> print np.array((1.2,2,3,4), dtype=np.int32)

[1 2 3 4]

使用numpy.arange方法

复制代码代码如下:

>>> print np.arange(15)

[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14]

>>> print type(np.arange(15))

<type 'numpy.ndarray'>

>>> print np.arange(15).reshape(3,5)

[[ 0 1 2 3 4]

[ 5 6 7 8 9]

[10 11 12 13 14]]

>>> print type(np.arange(15).reshape(3,5))

<type 'numpy.ndarray'>

使用numpy.linspace方法

例如，在从1到3中产生9个数：

复制代码代码如下:

>>> print np.linspace(1,3,9)

[ 1. 1.25 1.5 1.75 2. 2.25 2.5 2.75 3. ]

使用numpy.zeros，numpy.ones，numpy.eye等方法可以构造特定的矩阵

例如：

复制代码代码如下:

>>> print np.zeros((3,4))

[[ 0. 0. 0. 0.]

[ 0. 0. 0. 0.]

[ 0. 0. 0. 0.]]

>>> print np.ones((3,4))

[[ 1. 1. 1. 1.]

[ 1. 1. 1. 1.]

[ 1. 1. 1. 1.]]

>>> print np.eye(3)

[[ 1. 0. 0.]

[ 0. 1. 0.]

[ 0. 0. 1.]]

创建一个三维数组：

复制代码代码如下:

>>> print np.zeros((2,2,2))

[[[ 0. 0.]

[ 0. 0.]]

[[ 0. 0.]

[ 0. 0.]]]

获取数组的属性：

复制代码代码如下:

>>> a = np.zeros((2,2,2))

>>> print a.ndim #数组的维数

3

>>> print a.shape #数组每一维的大小

(2, 2, 2)

>>> print a.size #数组的元素数

8

>>> print a.dtype #元素类型

float64

>>> print a.itemsize #每个元素所占的字节数

8

数组索引，切片，赋值

示例：

复制代码代码如下:

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

>>> print a

[[2 3 4]

[5 6 7]]

>>> print a[1,2]

7

>>> print a[1,:]

[5 6 7]

>>> print a[1,1:2]

[6]

>>> a[1,:] = [8,9,10]

>>> print a

[[ 2 3 4]

[ 8 9 10]]

使用for操作元素

复制代码代码如下:

>>> for x in np.linspace(1,3,3):

... print x

...

1.0

2.0

3.0

基本的数组运算

先构造数组a、b：

复制代码代码如下:

>>> a = np.ones((2,2))

>>> b = np.eye(2)

>>> print a

[[ 1. 1.]

[ 1. 1.]]

>>> print b

[[ 1. 0.]

[ 0. 1.]]

数组的加减乘除：

复制代码代码如下:

>>> print a > 2

[[False False]

[False False]]

>>> print a+b

[[ 2. 1.]

[ 1. 2.]]

>>> print a-b

[[ 0. 1.]

[ 1. 0.]]

>>> print b*2

[[ 2. 0.]

[ 0. 2.]]

>>> print (a*2)*(b*2)

[[ 4. 0.]

[ 0. 4.]]

>>> print b/(a*2)

[[ 0.5 0. ]

[ 0. 0.5]]

>>> print (a*2)**4

[[ 16. 16.]

[ 16. 16.]]

使用数组对象自带的方法：

复制代码代码如下:

>>> a.sum()

4.0

>>> a.sum(axis=0) #计算每一列（二维数组中类似于矩阵的列）的和

array([ 2., 2.])

>>> a.min()

1.0

>>> a.max()

1.0

使用numpy下的方法：

复制代码代码如下:

>>> np.sin(a)

array([[ 0.84147098, 0.84147098],

[ 0.84147098, 0.84147098]])

>>> np.max(a)

1.0

>>> np.floor(a)

array([[ 1., 1.],

[ 1., 1.]])

>>> np.exp(a)

array([[ 2.71828183, 2.71828183],

[ 2.71828183, 2.71828183]])

>>> np.dot(a,a) ##矩阵乘法

array([[ 2., 2.],

[ 2., 2.]])

合并数组

使用numpy下的vstack和hstack函数：

复制代码代码如下:

>>> a = np.ones((2,2))

>>> b = np.eye(2)

>>> print np.vstack((a,b))

[[ 1. 1.]

[ 1. 1.]

[ 1. 0.]

[ 0. 1.]]

>>> print np.hstack((a,b))

[[ 1. 1. 1. 0.]

[ 1. 1. 0. 1.]]

看一下这两个函数有没有涉及到浅拷贝这种问题：

复制代码代码如下:

>>> c = np.hstack((a,b))

>>> print c

[[ 1. 1. 1. 0.]

[ 1. 1. 0. 1.]]

>>> a[1,1] = 5

>>> b[1,1] = 5

>>> print c

[[ 1. 1. 1. 0.]

[ 1. 1. 0. 1.]]

可以看到，a、b中元素的改变并未影响c。

深拷贝数组

数组对象自带了浅拷贝和深拷贝的方法，但是一般用深拷贝多一些：

复制代码代码如下:

>>> a = np.ones((2,2))

>>> b = a

>>> b is a

True

>>> c = a.copy() #深拷贝

>>> c is a

False

基本的矩阵运算

转置：

复制代码代码如下:

>>> a = np.array([[1,0],[2,3]])

>>> print a

[[1 0]

[2 3]]

>>> print a.transpose()

[[1 2]

[0 3]]

迹：

复制代码代码如下:

>>> print np.trace(a)

4

numpy.linalg模块中有很多关于矩阵运算的方法：

复制代码代码如下:

>>> import numpy.linalg as nplg

特征值、特征向量：

复制代码代码如下:

>>> print nplg.eig(a)

(array([ 3., 1.]), array([[ 0. , 0.70710678],

[ 1. , -0.70710678]]))

3、矩阵

numpy也可以构造矩阵对象，这里不做讨论。

python进阶教程之循环相关函数range、enumerate、zip，pythonenumerate

在“循环”一节，我们已经讨论了Python基本的循环语法。这一节，我们将接触更加灵活的循环方式。

range()

在Python中，for循环后的in跟随一个序列的话，循环每次使用的序列元素，而不是序列的下标。

之前我们已经使用过range()来控制for循环。现在，我们继续开发range的功能，以实现下标对循环的控制：

复制代码 代码如下:

S = 'abcdefghijk'

for i in range(0,len(S),2):

print S[i]

在该例子中，我们利用len()函数和range()函数，用i作为S序列的下标来控制循环。在range函数中，分别定义上限，下限和每次循环的步长。这就和C语言中的for循环相类似了。

enumerate()

利用enumerate()函数，可以在每次循环中同时得到下标和元素：

复制代码 代码如下:

S = 'abcdefghijk'

for (index,char) in enumerate(S):

print index

print char

实际上，enumerate()在每次循环中，返回的是一个包含两个元素的定值表(tuple)，两个元素分别赋予index和char

zip()

如果你多个等长的序列，然后想要每次循环时从各个序列分别取出一个元素，可以利用zip()方便地实现：

复制代码 代码如下:

ta = [1,2,3]

tb = [9,8,7]

tc = ['a','b','c']

for (a,b,c) in zip(ta,tb,tc):

print(a,b,c)

每次循环时，从各个序列分别从左到右取出一个元素，合并成一个tuple，然后tuple的元素赋予给a,b,c

zip()函数的功能，就是从多个列表中，依次各取出一个元素。每次取出的(来自不同列表的)元素合成一个元组，合并成的元组放入zip()返回的列表中。zip()函数起到了聚合列表的功能。

我们可以分解聚合后的列表，如下:

复制代码 代码如下:

ta = [1,2,3]

tb = [9,8,7]

# cluster

zipped = zip(ta,tb)

print(zipped)

# decompose

na, nb = zip(*zipped)

print(na, nb)

总结

range()

enumerate()

zip()

python中range函数中参数的问题

for i in range(-1,-len(s),-1): # -1至-（5-1），后面的-1表示反向取，那么就是(-1,-2,-3,-4)

循环内：

print s(:-1) #从0取到最后一位，但不包含最后一位，abcd

print s(:-2) #从0取到倒数第二位，但不包含倒数第二位，abc

....

python for 循环

L = []

for i in range(5):

tmp = int(input("Enter an integer: "))

L.append(tmp)

print(sum(L))