list array解析(總算清楚一點(diǎn)了)

import numpy as np ''' python中的list是python的內(nèi)置數(shù)據(jù)類型乏沸，list中的數(shù)據(jù)類不必相同的，而array的中的類型必須全部相同诈唬。
在list中的數(shù)據(jù)類型保存的是數(shù)據(jù)的存放的地址胧瓜，簡(jiǎn)單的說(shuō)就是指針，并非數(shù)據(jù)妓蛮，這樣保存一個(gè)list就太麻煩了空繁，例如list1=[1,2,3,'a']需要4個(gè)指針和四個(gè)數(shù)據(jù)殿衰，增加了存儲(chǔ)和消耗cpu。
numpy中封裝的array有很強(qiáng)大的功能盛泡，里面存放的都是相同的數(shù)據(jù)類型 '''

模塊1 array list 基本展示

list1=[1,2,3,'a'] print list1

a=np.array([1,2,3,4,5])
b=np.array([[1,2,3],[4,5,6]])
c=list(a) # array到list的轉(zhuǎn)換
print a,np.shape(a) print b,np.shape(b) print c,np.shape(c) ''' [1, 2, 3, 'a']
[1 2 3 4 5] (5L,)
[[1 2 3]
[4 5 6]] (2L, 3L)
[1, 2, 3, 4, 5] (5L,) '''

''' whos
Variable Type Data/Info

a ndarray 5L: 5 elems, type int32, 20 bytes
b ndarray 2Lx3L: 6 elems, type int32, 24 bytes
c list n=5
list1 list n=4
np module <module 'numpy' from 'C:<...>ages\numpy_init_.pyc'> '''

模塊2

創(chuàng)建：array的創(chuàng)建：參數(shù)既可以是list闷祥，也可以是元組.使用對(duì)應(yīng)的屬性shape直接得到形狀

print '222222222222222222222222222222222222222222\n' a=np.array((1,2,3,4,5))# 參數(shù)是元組
b=np.array([6,7,8,9,0])# 參數(shù)是list
c=np.array([[1,2,3],[4,5,6]])# 參數(shù)二維數(shù)組
print a,b print c.shape #[1 2 3 4 5] [6 7 8 9 0] (2L, 3L) #print a,b, #[1 2 3 4 5] [6 7 8 9 0] #(2L, 3L) 注意：print 后面加上 \n 換行；注意：print a,b b后面沒有,換行了傲诵，如果有,不換行

模塊3 也可以直接改變屬性array的形狀凯砍，-1代表的是自己推算

print '33333333333333333333333333333333333333333333\n' c = np.array([[1, 2, 3, 4],[4, 5, 6, 7], [7, 8, 9, 10]]) print c.shape # (3L, 4L)
c.shape=4,-1
print c
c.reshape(2,-1) print c print 'reshape產(chǎn)生新的變量' x = c.reshape(2,-1) print x ''' 33333333333333333333333333333333333333333333

(3L, 4L)
[[ 1 2 3]
[ 4 4 5]
[ 6 7 7]
[ 8 9 10]]
[[ 1 2 3]
[ 4 4 5]
[ 6 7 7]
[ 8 9 10]]
reshape產(chǎn)生新的變量
[[ 1 2 3 4 4 5]
[ 6 7 7 8 9 10]] '''
''' 里的reshape最終相當(dāng)于是一個(gè)淺拷貝箱硕，也就是說(shuō)還是和原來(lái)的書c使用相同的內(nèi)存空間 ''' x[0]=1000
print x print c ''' 33333333333333333333333333333333333333333333

(3L, 4L)
[[ 1 2 3]
[ 4 4 5]
[ 6 7 7]
[ 8 9 10]]
[[ 1 2 3]
[ 4 4 5]
[ 6 7 7]
[ 8 9 10]]
reshape產(chǎn)生新的變量
[[ 1 2 3 4 4 5]
[ 6 7 7 8 9 10]]
[[1000 1000 1000 1000 1000 1000]
[ 6 7 7 8 9 10]]
[[1000 1000 1000]
[1000 1000 1000]
[ 6 7 7]
[ 8 9 10]] '''

模塊4 前面在創(chuàng)建數(shù)組的時(shí)候并沒有使用數(shù)據(jù)類型，這里我們也可以使用數(shù)據(jù)類型果覆。默認(rèn)的是int32.

a1=np.array([[1,2,3],[4,5,6]],dtype=np.float64) print a1.dtype,a.dtype #float64 int32

模塊5 前面在創(chuàng)建的時(shí)候我們都是使用的np.array()方法從tuple或者list轉(zhuǎn)換成為array颅痊，感覺很是費(fèi)勁，numpy自己提供了很多的方法讓我們自己直接創(chuàng)建一個(gè)array.

arr1=np.arange(1,10,1)
arr2=np.linspace(1,10,10) print arr1,arr1.dtype print arr2,arr2.dtype ''' [1 2 3 4 5 6 7 8 9] int32
[ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.] float64
np.arange(a,b,c)表示產(chǎn)生從a-b不包括b局待，間隔為c的一個(gè)array，數(shù)據(jù)類型默認(rèn)是int32菱属。但是linspace(a,b,c)表示的是把a(bǔ)-b平均分成c分钳榨，它包括b。 '''

模塊6 有時(shí)候我們需要對(duì)于每一個(gè)元素的坐標(biāo)進(jìn)行賦予不同的數(shù)值纽门，可以使用fromfunction函數(shù)

print '666666666666666666\n'
def fun(i): return i%4+2
print np.fromfunction(fun,(10,)) #[ 2. 3. 4. 5. 2. 3. 4. 5. 2. 3.]
def fun2(i,j): return (i+1)*(j+1) print np.fromfunction(fun2,(9,9)) ''' 雖然說(shuō)薛耻，這里提供了很多的直接產(chǎn)生array的方式，但是大部分情況我們都是會(huì)從list進(jìn)行轉(zhuǎn)換赏陵，因?yàn)樵趯?shí)際的處理中饼齿，我們需要從txt加載文件，那樣直接讀入的數(shù)據(jù)顯示存放到list中蝙搔，
需要處理的時(shí)候我們轉(zhuǎn)換到array,因?yàn)閍rray的設(shè)計(jì)更加符合我們的使用缕溉，涉及到矩陣的運(yùn)算在使用mat，那么list主要就是用進(jìn)行元素的索取吃型。 '''
def loaddataSet(fileName):
file=open(fileName)
dataMat=[] for line in file.readlines():
curLine=line.strip().split('\t')
floatLine=map(float,curLine) #這里使用的是map函數(shù)直接把數(shù)據(jù)轉(zhuǎn)化成為float類型
dataMat.append(floatLine) return dataMat #上面的返回最終的數(shù)據(jù)就是最初的list數(shù)據(jù)集证鸥，再根據(jù)不同的處理需求是轉(zhuǎn)化到array還是mat。其實(shí)array是mat的父類勤晚，能用mat的地方枉层，array理論上都能傳入。

模塊7 元素訪問(wèn)：

arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) print '77777777777777777'
''' 一維數(shù)組方法
arr[5] #5
arr[3:5] #array([3, 4])
arr[:5] #array([0, 1, 2, 3, 4])
arr[:-1]# array([0, 1, 2, 3, 4, 5, 6, 7, 8])
arr[:] #array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
arr[2:4]=100 # array([ 0, 1, 100, 100, 4, 5, 6, 7, 8, 9])
arr[1:-1:2] #array([ 1, 100, 5, 7]) 2 是間隔
arr[::-1] #array([ 9, 8, 7, 6, 5, 4, 100, 100, 1, 0])
arr[5:2:-1]# -1的間隔表示從右向左所以5>2 #array([ 5, 4, 100]) '''

我們?cè)賮?lái)看看二維的處理方式

c = np.array([[1, 2, 3, 4],[4, 5, 6, 7], [7, 8, 9, 10]]) print c[1] print c[1:2] print c[1][2] print c[1:4] print c[1:4][0][2] ''' [4 5 6 7]
[[4 5 6 7]]
6
[[ 4 5 6 7]
[ 7 8 9 10]]
6
可以看出對(duì)于有:的表達(dá)最終的結(jié)果外面還嵌套一層list的[]赐写，鸟蜡。訪問(wèn)的一定要注意，python最bug的就是挺邀，語(yǔ)法
靈活揉忘，不管怎樣寫索引語(yǔ)法都是正確的，但是最終的書結(jié)果卻讓你大跌眼鏡悠夯。
還有array的索引最終產(chǎn)生的是一個(gè)一個(gè)原始數(shù)據(jù)的淺拷貝癌淮，還和原來(lái)的數(shù)據(jù)共用一塊兒內(nèi)存 ''' b=arr[1:6]
b[:3]=0 print b #產(chǎn)生上面的原因是因?yàn)閍rray中直接存放的數(shù)據(jù)，拷貝的話直接拿走的是pointer沦补，沒有取走數(shù)據(jù)乳蓄，但是list卻會(huì)直接發(fā)生深拷貝，數(shù)據(jù)指針全部帶
list1=list(c)
list1[1]=0 print list1 #上面修改的0并沒有被改變
print c #[array([1, 2, 3, 4]), 0, array([ 7, 8, 9, 10])]

模塊8

''' 除了這些之外還有自己的更加牛掰的方式（只能用array)
1）使用布爾數(shù)組.感覺甚是強(qiáng)大夕膀，就不要自己寫什么判斷語(yǔ)句啦虚倒，注意這種方式得到結(jié)果不和原始數(shù)組共享空間美侦。
布爾索引僅僅適用于數(shù)組array，list沒資格用魂奥。布爾索引最終得到下標(biāo)索引為true的數(shù)據(jù)菠剩。索引只能是布爾數(shù)組 '''
print '888888888888\n' a=np.array((1,2,3,4,5))# 參數(shù)是元組
a=np.array(a*2) print a[a>5] #[ 6 8 10]
print a>5 # [False False True True True]

列表索引可以是數(shù)組和list。返回的數(shù)據(jù)不和原來(lái)的數(shù)據(jù)共享內(nèi)存耻煤。索引可以是list和array

x=np.arange(10)
index=[1,2,3,4,5]
arr_index=np.array(index) print x print x[index] # list索引
print x[arr_index] # array索引

print '8-1' a=np.arange(10)
lista=list(a) print a2
print lista2 #大跌眼鏡具壮，數(shù)組和list的乘積很嚇人

''' [ 0 2 4 6 8 10 12 14 16 18]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9] '''

模塊9 array的廣播

print '9\n' a = np.arange(0, 60, 10).reshape(-1, 1)
b = np.arange(0, 5) print a print b print np.add(a,b)</pre>