numpy中array 和mat 以及 list的使用

import matplotlib
import matplotlib.pyplot as plt
import numpy as np
from numpy import *;#导入numpy的库函数
import sys
# Numpy matrices必须是2维的,但是 numpy arrays (ndarrays) 可以是多维的（1D，2D，3D····ND）.
# Matrix是Array的一个小的分支，包含于Array。所以matrix 拥有array的所有特性。

# 一维 array
tem1 = [1, 2, 3]
atem1 = np.array(tem1)

# 添加元素
tem1.insert(0, 4)
atem1_i = np.insert(atem1, 0, values=4,  axis=0)
#atem1_i = np.insert(atem1, 0, values=4)    # 省略最后一个 参数也可以，是默认的

#删除元素
tem1.pop(0)

#切片提取
atem1_i = atem1[1:]
atem1_i = atem1[0: atem1.size - 1]

# list 对应 也是一维 的
tolist1 = atem1_i.tolist()

# 二维 array
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
b = np.array([[0,0,0]])
c = np.insert(a, 0, values=b, axis=0)
d = np.insert(a, 0, values=b, axis=1)

# 切片提取
tem = d[0][1:]

# list 对应 也是二维 的
tolist1 = d.tolist()

# 三维
a = np.array([[[1,2,3],[4,5,6],[7,8,9]], [[1,2,3],[4,5,6],[7,8,9]]])

# list 对应 也是二维 的
tolist1 = a.tolist()

array 的结构，每个子模块都是一个array

 

转化成对应维数的list：

 

 

# 固定维数数据生成
def ones(shape, dtype=None, order='C'):
    """
    Return a new array of given shape and type, filled with ones.

    Parameters
    ----------
    shape : int or sequence of ints
        Shape of the new array, e.g., ``(2, 3)`` or ``2``.
    dtype : data-type, optional
        The desired data-type for the array, e.g., `numpy.int8`.  Default is
        `numpy.float64`.
    order : {'C', 'F'}, optional, default: C
        Whether to store multi-dimensional data in row-major
        (C-style) or column-major (Fortran-style) order in
        memory.

    Returns
    -------
    out : ndarray
        Array of ones with the given shape, dtype, and order.

    See Also
    --------
    ones_like : Return an array of ones with shape and type of input.
    empty : Return a new uninitialized array.
    zeros : Return a new array setting values to zero.
    full : Return a new array of given shape filled with value.

# 对应的得到的就是array 类型
# 通过参数shape（tuple类型） 设置得到的维数，一维设置需要特别注意
tem1 = np.ones((2,))
tem2 = np.ones((2, 3))
#tem2 = np.array(np.ones((2,))) 本身就是array ,所以这个转化是多余的

 

1 # Numpy matrices必须是2维的,但是 numpy arrays (ndarrays) 可以是多维的（1D，2D，3D····ND）.
2 # Matrix是Array的一个小的分支，包含于Array。所以matrix 拥有array的所有特性。

# 一维的list会默认转成 1*n
tem1 = np.mat([1, 2, 3])
# 二维的list 对应 m*n
tem2 = np.mat([[1, 2, 3], [4, 5, 6]])
# 三维的list ,此时执行会报错，不允许
#tem2 = np.mat([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])

 

互相转化：

l1 = tem1.tolist()
l2 = tem2.tolist()

a1 = np.asarray(tem1)
tem3 = np.asmatrix(a1)

 

 

 

array 可迭代特性检查及使用：

from collections.abc import Iterable

# 一维 array
tem1 = [1, 2, 3]
atem1 = np.array(tem1)
print(isinstance(atem1, Iterable))      # true
for x in atem1:
    print(x)
#1
#2
#3

 # 二维 array
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
print(isinstance(a, Iterable))      # true

for x in a:
    print(x)
#[1 2 3]
#[4 5 6]
#[7 8 9]
for x, y, z in a[0], a[1], a[2]:
    print(x, y, z)
#1 2 3
#4 5 6
#7 8 9