一:复制
1.id相同,所指向数据块相同,仅名称不同(一个人有大名、有小名、有外号,但是都是这个人)
a = numpy.arange(12)
b = a
print(b is a)
b.shape = 3,4
print(a.shape)
print(id(a))
print(id(b))
打印结果:
True
(3, 4)
2563571342752
2563571342752
2.id不同,所指向数据块相同(双胞胎,基因相同,但是是两个人)
进一步理解:
a和c的id不同,说明a和c指向不同的东西,但是a和c公用同一块数据源,修改其中一个的值另一个也会改变
c = a.view()
print(c is a)
c.shape = 2, 6
print(a.shape)
c[0, 4] = 1234
print(a)
print(id(a))
print(id(c))
打印结果:
False
(3, 4)
[[ 0 1 2 3]
[1234 5 6 7]
[ 8 9 10 11]]
2270379466144
2270377903808
3.id不同,数据块不同,名字不同,但是数据相同(复印文件)
d = a.copy()
print(d is a)
d[0, 0] = 99
print(d)
print(a)
打印结果:
False
[[ 99 1 2 3]
[1234 5 6 7]
[ 8 9 10 11]]
[[ 0 1 2 3]
[1234 5 6 7]
[ 8 9 10 11]]
二:索引
1.找一个矩阵中,最大值所在的位置
numpy.argmax(axis=0或1)
numpy.shape的用法
data = numpy.sin(numpy.arange(20)).reshape(5, 4)
print(data)
ind = data.argmax(axis=0) #返回每列或每行的最大值的索引
print(ind)
data_max = data[ind, range(data.shape[1])]
print(data_max)
打印结果:
[[ 0. 0.84147098 0.90929743 0.14112001]
[-0.7568025 -0.95892427 -0.2794155 0.6569866 ]
[ 0.98935825 0.41211849 -0.54402111 -0.99999021]
[-0.53657292 0.42016704 0.99060736 0.65028784]
[-0.28790332 -0.96139749 -0.75098725 0.14987721]]
[2 0 3 1]
[ 0.98935825 0.84147098 0.99060736 0.6569866 ]
二:单个矩阵内的复制
numpy.tile(要复制的矩阵,(复制的份数))
a = numpy.arange(0, 40, 10)
print(a)
b = numpy.tile(a, (3, 5))
print(b)
打印结果:
[ 0 10 20 30]
[[ 0 10 20 30 0 10 20 30 0 10 20 30 0 10 20 30 0 10 20 30]
[ 0 10 20 30 0 10 20 30 0 10 20 30 0 10 20 30 0 10 20 30]
[ 0 10 20 30 0 10 20 30 0 10 20 30 0 10 20 30 0 10 20 30]]
三:排序
1.sort
a = numpy.array([[4, 3, 5], [1, 2, 1]])
print(a)
print("-----")
b = numpy.sort(a, axis=1)
print(b)
打印结果:
[[4 3 5]
[1 2 1]]
-----
[[3 4 5]
[1 1 2]]
2.argsort
a = numpy.array([4, 3, 1, 2])
j = numpy.argsort(a) #数据从小到大排序的索引
print(j)
print("-----")
print(a[j])
打印结果:
[2 3 1 0]
-----
[1 2 3 4]