numpy廣播（Broadcast）

若陣列a，b形狀相同，即a.shape==b.shape，那麼a+b,a*b的結果就是對應數位的運算

import numpy as np

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

b=np.array([[1,4,7],[2,5,8]])

print(a+b,'\n')

print(a*b)

[[ 2  6 10]

 [ 6 10 14]] 

[[ 1  8 21]

 [ 8 25 48]]

若兩個陣列形狀不同，且有一個陣列維度為1，則會觸發廣播機制

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

b=np.array([1,2,3])

# 等同於np.array([[1,2,3],[4,5,6]])與np.array([1,2,3],[1,2,3])運算
 

print(a+b,'\n')

print(a*b)

[[2 4 6]

 [5 7 9]] 

[[ 1  4  9]

 [ 4 10 18]]

numpy陣列操作函式

修改陣列形狀

numpy.reshape()

不改變資料的情況下修改形狀

numpy.reshape(array , newshape , order = 'C')

import numpy as np

a_array=np.arange(16)
 

print(a_array,'\n')

b_array=np.reshape(a_array,[4,4])

print(b_array,'\n')

# 也可以打點呼叫

c_array=a_array.reshape([2,8])

print(c_array)

[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15] 

[[ 0  1  2  3]

 [ 4  5  6  7]

 [ 8  9 10 11]

 [12 13 14 15]] 

[[ 0  1  2  3  4  5  6  7]

 [ 8  9 10 11 12 13 14 15]]

numpy.ndarray.flat

numpy.ndarray.flat為陣列元素迭代器

array=np.arange(9).reshape([3,3])

print(array,'\n')

# 按行遍歷陣列

for row in array:

    print(row)

# 使用陣列元素迭代器

for element in array.flat:

    print(element)

[[0 1 2]

 [3 4 5]

 [6 7 8]] 

[0 1 2]

[3 4 5]

[6 7 8]

0

1

2

3

4

5

6

7

8

numpy.ndarray.flatten和numpy.ravel

• numpy扁平化函式
• numpy.ndarray.flatten返回一份陣列拷貝，對拷貝內容的修改不影響原始數值；
• numpy.ravel返回一個陣列的檢視，修改檢視時會影響原始陣列

numpy.ndarray.flatten(order = 'C')

numpy.ravel(order = 'C')

array=np.arange(16).reshape([4,4])

print(array,'\n')

print(array.flatten(),'\n')

print(array.ravel())

[[ 0  1  2  3]

 [ 4  5  6  7]

 [ 8  9 10 11]

 [12 13 14 15]] 

[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15] 

[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15]

a_array=np.arange(16).reshape([4,4])

print(a_array,'\n')

#建立和a_array同樣的陣列b_array

b_array=a_array.copy()

c_array=a_array.ravel()

d_array=array.flatten()

print('c_array:')

print(c_array)

print('d_array:')

print(d_array,'\n')

c_array[1]=100

d_array[1]=100

print('a_array:')

print(a_array)

print('b_array:')

print(b_array,'\n')

[[ 0  1  2  3]

 [ 4  5  6  7]

 [ 8  9 10 11]

 [12 13 14 15]] 

c_array:

[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15]

d_array:

[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15] 

a_array:

[[  0 100   2   3]

 [  4   5   6   7]

 [  8   9  10  11]

 [ 12  13  14  15]]

b_array:

[[ 0  1  2  3]

 [ 4  5  6  7]

 [ 8  9 10 11]

 [12 13 14 15]]

翻轉陣列

transpose和ndarray.T

• numpy陣列轉置函式

a_array=np.arange(16).reshape([4,4])

print('a_array:\n',a_array)

print('使用transpose後:')

print(np.transpose(a_array))

print('使用.T轉置後：')

print(a_array.T)

a_array:

 [[ 0  1  2  3]

 [ 4  5  6  7]

 [ 8  9 10 11]

 [12 13 14 15]]

使用transpose後:

[[ 0  4  8 12]

 [ 1  5  9 13]

 [ 2  6 10 14]

 [ 3  7 11 15]]

使用.T轉置後：

[[ 0  4  8 12]

 [ 1  5  9 13]

 [ 2  6 10 14]

 [ 3  7 11 15]]

numpy.swapaxes

• numpy用於交換陣列兩個軸的函式

numpy.swapaxes(arr , axis1, axis2)

array=np.arange(8).reshape(2,2,2)

print(array)

# 交換第零個軸和第二個軸

print(np.swapaxes(array,0,2))

[[[0 1]

  [2 3]]

 [[4 5]

  [6 7]]]

[[[0 4]

  [2 6]]

 [[1 5]

  [3 7]]]