Python科学计算库（Numpy）基础篇（IDE为Pycharm）- 数组常用功能模块

（1）排序操作

import numpy as np

array = np.array([[1.5, 1.3, 7.5], [5.6, 7.8, 1.2]])
# 默认按行进行排序
array0 = np.sort(array)
print(array0)

# 也可以指定别的维度,指定按列排序
array1 = np.sort(array, axis=0)
print(array1)

# 使用元素的索引位置代替排序后的实际结果
array2 = np.argsort(array1)
print(array2)

输出结果为：
array0 = [[1.3 1.5 7.5]
          [1.2 5.6 7.8]]
array1 = [[1.5 1.3 1.2]
          [5.6 7.8 7.5]]
array2 = [[2 1 0]
          [0 2 1]]

        （2）数组形状操作

import numpy as np

# 创建一个数组，从0开始每隔一个数取值
array = np.arange(10)
print(array)

# 改变数组维度
array.shape = 2,5
print(array)

# 增加数组维度
array0 = array[np.newaxis, :]
print(array0.shape)

# 对数组进行转置操作,同样也可以指定axis
array1 = array.transpose()
# 或者更直接点
array2 = array.T
print(array1)
print(array2)

输出结果为：
array = [0 1 2 3 4 5 6 7 8 9]
array.shape = [[0 1 2 3 4]
               [5 6 7 8 9]]
array0.shape = (1, 2, 5)
array1 = [[0 5]
          [1 6]
          [2 7]
          [3 8]
          [4 9]]
array2 = [[0 5]
          [1 6]
          [2 7]
          [3 8]
          [4 9]]

        （3）数组的拼接

import numpy as np

# 创建两个数组
a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.array([[7, 8, 9], [10, 11, 12]])

# 拼接,默认axis = 0,维度为0，也可以自己定义维度
c = np.concatenate((a, b))
print(c)

# 多维数组，还可以将其拉平
d = b.flatten()
print(d)

输出结果为：
c = [[ 1  2  3]
     [ 4  5  6]
     [ 7  8  9]
     [10 11 12]]
d = [ 7  8  9 10 11 12]