# 起别名避免重名
import numpy as np
# 小技巧：print从外往内看==shape从左往右看
if __name__ == "__main__":
print('numpy版本号 {}'.format(np.version.version))
n_1 = np.array([1, 2, 3])
print('\n{} \n{} 维数组 \n{} 形状包含元素个数'.format(n_1, n_1.ndim, n_1.shape))
n_2 = np.array([[1, 2, 3], [4, 5, 6]])
print('\n{} \n{} 维数组 \n{} 形状包含行数、列数'.format(n_2, n_2.ndim, n_2.shape))
n_3 = np.array([[[1, 2, 3], [4, 5, 6], [7, 8, 9]]])
print('\n{} \n{} 维数组 \n{} 形状包含2维数组个数、行数、列数'.format(n_3, n_3.ndim, n_3.shape))
print("\n使用size()方法来打印多维数组的元素个数")
print(np.size(n_1))
print(np.size(n_2))
print(np.size(n_3))
print("\n <class 'list'>对比数据类型<class 'numpy.ndarray'>")
print(type([1, 2, 3]))
print(type(n_1))
print("\n 内置dtype属性来打印多维度数组的元素类型")
print(type(123))
print(n_1.dtype)
print("\n itemsize属性，来打印多维数组中的数据所占字节大小")
print(n_1.itemsize, n_2.itemsize, n_3.itemsize)
print("\n data属性，用来打印数据缓冲区--buffer---/也就是内存地址/")
print(n_1.data, n_2.data, n_3.data)
# 使用reshape()方法，根据形状反向生成多维数组
n_3 = np.array(range(24)).reshape((3, 2, 4)) # 3个二维数组,每个2行,4列
print('\n', n_3)
# 使用浮点--元素类型
n_float = np.array([1.0, 2.0, 3.0])
print('\n', n_float.dtype) # float64
# 使用字符串-元素类型
n_str = np.array(['1', '2', '3'])
print(n_str.dtype) # <U1
# 使用整形--元素类型
n_int = np.array(range(20))
print(n_int.dtype) # int32
# 正向
n_4 = np.array([[[list(range(5)), list(range(5, 10)), list(range(10, 15))]]])
print(n_4)
print('* ' * 50)
# 反向
n_4 = np.array(range(20)).reshape((2, 1, 2, 5))
print(n_4)
print('* ' * 50)
n_3 = np.array(range(20)).reshape((2, 2, 5))
print(n_3)
print('* ' * 50)
# 随机数
n0 = np.random.randint(0, 100)
print("\n{}的类型是{}".format(n0, type(n0)))
n1 = np.random.rand()
print("{}的类型是{}".format(n1, type(n1)))
n2 = np.random.randn()
print("{}的类型是{}".format(n2, type(n2)))
n3 = np.random.random_sample(10)
print("{}的类型是{}".format(n3, type(n3)))
# 元素为1的多维数组
nlist_ones = np.ones((4, 4))
print(nlist_ones)
print(nlist_ones.dtype) # 元素float64
# 元素为0的多维数组
nlist_zeros = np.zeros((4, 4))
print(nlist_zeros)
# 使用empty方法来生成随机多维数组，使用第二个参数指定元素类型
nlist_empty = np.empty((5, 5), dtype=np.int)
print(nlist_empty)
print(nlist_empty.dtype) # int32
# asarray把普通list转换为数组
x = [1, 2, 3]
print(type(x))
nlist = np.asarray(x)
print(type(nlist))
print(nlist)
# frombuffer把字符串（buffer内存地址）字节切片来生成多维数组
# b强转byte字节
my_str = b'Hello World'
nlist_str = np.frombuffer(my_str, dtype='S1')
print(nlist_str)
# 数组运算
# axis属性指定行或列，keepdims保持之前维度
x = np.array([[1, 2], [3, 4]])
print(x)
sum0 = np.sum(x, axis=0, keepdims=True) # axis = 0/行级/
print(sum0)
sum1 = np.sum(x, axis=1, keepdims=True) # axis = 1/列级/
print(sum1)
# 多维数组赋值
x = np.array([1, 2])
x[1] = 3
print(x)
y = x.copy()
y[0] = 3
print(x)
# 维度级的运算
a = np.array([[1, 2], [3, 4], [5, 6]])
b = np.array([[11, 22], [33, 44], [55, 66]])
# vstack()方法---维度一样--- vertical垂直合并
suma = np.vstack((a, b))
print(suma)
# hstack()方法---维度一样--- 横向连纵
sumb = np.hstack((a, b))
print(sumb)
# 多维数组调用
nl = np.array([[1, 2], [3, 4], [5, 6]])
# 取子数据
print(nl[[2]])
# 取元素
print(nl[0][0])
print(nl[0, 0])
# 元素赋值
nl[1, 1] = 44
print(nl)
# 调换子数据位置
print(nl[[2, 1, 0]])
# 删除方法 delete
# 删除nlist第二行
print(np.delete(nl, 1, axis=0))
print(np.delete(nl, 0, axis=1))
# 范围区间差 = 形状数的乘积
a = np.arange(1, 5).reshape((2, 2))
b = np.arange(3, 7).reshape((2, 2))
print(a)
print(b)
# 1、创建一个长度为10的一维全为0的多维数组，然后让第5个元素等于1
ll = np.zeros((10,))
print(ll)
print(ll.ndim)
print(ll.size)
ll[4] = 1
print(ll)
q1 = np.zeros(shape=10)
print(q1)
q1[4] = 1
print(q1)
# 2、创建一个每一行都是从0到4的5*5矩阵
list_5 = np.array([[range(5)] * 5])
print(list_5)
l_2 = np.array([range(5)] * 5).reshape(5, 5)
print(l_2)
# 3、假如给定一个3*3的二维数组，如何交换其中两行的元素？
vv0 = np.random.randint(0, 100, size=(2, 2))
print(vv0)
print(vv0[[1, 0]])
# 4、假如给定一个3*3的二维数组，如何交换其中两行的元素？
vv = np.random.randint(0, 100, size=(3, 3))
print(vv)
print(vv[[1, 0, 2]])
print(vv[[2, 0, 1]])
print(vv[[0, 2, 1]])
# 5、原数组为一维数组，内容为从 0 到 100，抽取出所有偶数。
mm = np.arange(0, 101).reshape(101, )
print(mm[::2])
mm = filter(lambda x: x % 2 == 0, mm)
print(np.array(list(mm)))
# 用数组运算
mm = np.array(range(101))
print(mm)
mm = mm[mm % 2 == 0]
print(mm)