今天先整理到这里，剩下的下次再整理
1.改变形状：
reshape()返回改变的数组形状，但无法改变源数组形状
resize() 可以改变源数组形状
ravel() 输出类似C数组的列表，和reshape()一样，返回C似的数组但无法改变源数组形状
例如：
>>> from numpy import *
>>> c = arange(24)
>>> print c
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]
>>> c.resize(4,6)
>>> print c
[[ 0 1 2 3 4 5]
[ 6 7 8 9 10 11]
[12 13 14 15 16 17]
[18 19 20 21 22 23]]
>>> c.reshape(3,8)
array([[ 0, 1, 2, 3, 4, 5, 6, 7],
[ 8, 9, 10, 11, 12, 13, 14, 15],
[16, 17, 18, 19, 20, 21, 22, 23]])
>>> print c
[[ 0 1 2 3 4 5]
[ 6 7 8 9 10 11]
[12 13 14 15 16 17]
[18 19 20 21 22 23]]
>>> print c.ravel()
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]
>>> print c
[[ 0 1 2 3 4 5]
[ 6 7 8 9 10 11]
[12 13 14 15 16 17]
[18 19 20 21 22 23]]2.组合(stack)不同的数组
vstack():横向组合数组
hstack():纵向组合数组
column_stack():纵向组合数组,和hstack()效果一样,区别在哪,目前我也不懂…
row_stack(): 横向组合数组,和vstack()效果一样,区别在哪,目前我也不懂…
>>> b = floor(10*random.random((2,2)))
>>> a = floor(10*random.random((2,2)))
>>> a
array([[ 6., 3.],
[ 9., 9.]])
>>> b
array([[ 9., 3.],
[ 6., 5.]])
>>> column_stack((a,b))
array([[ 6., 3., 9., 3.],
[ 9., 9., 6., 5.]])
>>> hstack((a,b))
array([[ 6., 3., 9., 3.],
[ 9., 9., 6., 5.]])
>>> row_stack((a,b))
array([[ 6., 3.],
[ 9., 9.],
[ 9., 3.],
[ 6., 5.]])
>>> vstack((a,b))
array([[ 6., 3.],
[ 9., 9.],
[ 9., 3.],
[ 6., 5.]])
>>>3.复制（视图复制）
不同的数组对象分享同一个数据。视图方法创造一个新的数组对象“指向”同一数据。视图复制之后，有独立的数据形状
但是这是浅复制，数据是同步的
>>> a = arange(12).reshape((3,4))
>>> a
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
>>> c = a.view()
>>> c
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
>>> c is a
False
>>> c.resize((2,6))
>>> c
array([[ 0, 1, 2, 3, 4, 5],
[ 6, 7, 8, 9, 10, 11]])
>>> a
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
>>> c[0] = 1234
>>> c
array([[ 1234, 1234, 1234, 1234, 1234, 1234],
[ 6, 7, 8, 9, 10, 11]])
>>> a
array([[1234, 1234, 1234, 1234],
[ 1234, 1234, 6, 7],
[ 8, 9, 10, 11]])