一.索引机制、切片和迭代方法

索引 、切片操作类似于MATLAB，但是python的索引从0开始

以下各编程均在已导入numpy库下进行

1.索引

a = np.arange(2,10)
a[0]

输出 2

2.索引

a = np.arange(1,12,2).reshape(2,3)
a[0,0]

输出 1

3.切片，即提取某几行几列

a = np.arange(1,12,2).reshape(2,3)
a[0,0:2]

输出   array([1, 3])4.迭代遍历

a = np.arange(1,12,2).reshape(2,3)
for i in a:
print(i)

输出

[1 3 5] [ 7 9 11]5.对每行或者每列做同样操作的函数，apply_along_axis(action,axis=0/1,arr=A)，接受三个参数，第一个是聚合函数，如取均值，第二个是对行1还是对列0操作，第三个是需要操作的矩阵

a = np.arange(1,12,2).reshape(2,3)
np.apply_along_axis(np.mean,axis=1,arr=a)

输出  array([ 3., 9.])

6.筛选出数组中符合条件的项

a = np.arange(1,12,2).reshape(2,3)
a[a > 5]  #与MATLAB及其相似

输出  array([ 7, 9, 11])

二.形状变换

1.reshape函数前面已经介绍，这里不再赘述

2.ravel函数把n维变为1维

a = np.arange(1,12,2).reshape(2,3)
a.ravel()

输出 array([ 1, 3, 5, 7, 9, 11])3.交换矩阵的行列

a = np.arange(1,12,2).reshape(2,3)
a.transpose()

输出 array([[ 1, 7], [ 3, 9], [ 5, 11]])

三.数组操作

本文中的编程均在导入numpy库下进行

1.连接数组（不如MATLAB方便，哈哈）

（1）vstack((A,B))垂直拼接

（2）hstack((A,B))水平拼接

a = np.ones((2,3))
b = np.zeros((2,3))
c = np.vstack((a,b))
d = np.hstack((a,b))

输出[[1. 1. 1.] [1. 1. 1.] [0. 0. 0.] [0. 0. 0.]] [[1. 1. 1. 0. 0. 0.] [1. 1. 1. 0. 0. 0.]]2.数组切分

(1) 切分与上面对应的有vsplit(A,2)，调用函数仅需一个括号

(2) 水平切分hsplit（A,2）

c = np.arange(1,17).reshape(4,4)
[C1,C2] = np.hsplit(c,2)
[C3,C4] = np.vsplit(c,2)

输出

C1[[ 1 2] [ 5 6] [ 9 10] [13 14]] C2[[ 3 4] [ 7 8] [11 12] [15 16]] C3[[1 2 3 4] [5 6 7 8]] C4[[ 9 10 11 12] [13 14 15 16]] 阅读更多