Please enable JavaScript.

Coggle requires JavaScript to display documents.

3.4-1,2 Numpy - Coggle Diagram

- - - - Создание предзаполненных массивов
        
        np.arange( [start, ] stop, [step, ]dtype=None ) - создает линейный массив последовательных элементов от start до stop-1
        
        ( /начальноеЗначение/, конечноеЗначение, /шаг/, /endpoint True/False)
        
        endpoint - включать или нет конечное значение
        
        np.zeros( длина1, длина2, .. длинаN ) - нули
        
        np.ones( длина1, длина2, .. длинаN ) - единицы
        
        np.ones_like
        
        np.eye( длина *) - двумерная единичная диагональная матрица
        
        (.., like = другойМассив ) - подгонка под заданный размер
        
        np.empty( длина1, длина2, .. длинаN ) - без значений
        
        np.linspace( старт, стоп, количество ) - создает линейный массив из количество последовательных элементов от старт до стоп
        
        np.random ( == np.sample == np.ranf == np.random_sample) - заполнение случайными
        
        https://pythonworld.ru/numpy/3.html :recycle:
        
        np.random.seed( .. ) - установка счетчика случайных чисел
        
        np.random.randint ( /мин/, макс, /размерность/ ) - возврат случайного целого числа из диапазона (или возврат их массива)
        
        np.random.sample( размерность ) - возврат случайного числа или массива
      - Прямой ввод числовых значений
        
        np.array([[[..[ .. , .. ] , [ .. , .. ] .. ]]])
        
        Списки по каждой из осей должны иметь одинаковую длину
      - Создание из списка: имяМассива = np.array( список )
    - - массив.shape - размерность массива (возвращает кортеж из 1 .. n элементов, равных длине в каждом из измерений
      - массив.dtype - тип элемента массива
        
        может быть явно указано при вызове функции array как именованный аргумент
        
        типы в numpy
        
        числовые
        
        целые
        
        со знаком
        
        int8 - int64
        
        без знака
        
        uint8 - uint64
        
        с плавающей точкой
        
        float16 - float64
        
        комплексные
        
        complex64, complex128
        
        логические
        
        np.bool
        
        строки
        
        простые символы
        
        np.string_
        
        юникод
        
        np.unicode_
        
        объекты
        
        np.object
        
        .dtype.itemsize - размер одного элемента в байтах
      - массив.ndim - количество измерений массива
        
        эквивалентно len(массив.shape)
      - .T - транспонирование
        
        без копирования данных
      - .size - общее количество элементов
      - .nbytes общий объем массива в байтах
      - .strides - размер смещения в байтах при переходе к следующему подмножеству (для верхних размерностей) или к следующему элементу (для последней)
    - - True-NP:
        
        Явная (по индексам) массив [ индекс1, индекс2, .. индексN ]
        
        Индексация диапазоном
        
        Если вместо индекса написать : (пустой диапазон), будут выданы все элементы этого измерения
        
        Пример: для 2д
        
        столбец = массив [ : , индексСтолбца ]
        
        1 more item...
        
        строка = массив [ индексСтроки , : ]
        
        1 more item...
        
        начало : конец : шаг
        
        : : шаг - все элементы с некоторым шагом
        
        отрицательный шаг = обратная индексация
        
        отступ : : шаг - все элементы с некоторым шагом, с отступом
        
        : конец - первые (конец-1) элементы
        
        При индексации в массиве большой размерности символ ... означает некоторое количество идущих подряд :
        
        либо все от начала, либо все до конца
        
        Индексация может быть применена несколько раз подряд
        
        массив [индексацияВИсходномМассиве] [индексацияВВыборке]..
        
        Нумерация от сложного к простому (ИндексN - столбец, N-1 - строка, N-2 - таблица)
        
        По списку индексов (fancy indexing) : кроме каждого конкретного индекса можно использовать список из нескольких значений [ .., .., ..]
      - Отрицательный индекс = счет с конца (-1 - последний)
      - срез массива
        
        имяМассива [ start= индексСтарта : stop= индексКонца : step= шаг ]
        
        возможен обратный перебор если start=-1 или start>stop и step<0
        
        stop-1
        
        имяМассива [ slice ( индексСтарта, индексКонца, шаг )]
      - булева маска
        
        Элементы включаются, если значение соответствующего поля маски True
        
        сама маска - нп.массив типа bool
        
        вызов среза: массивЗначений [ маска ]
      - булева индексация
        
        элементы включаются, если значение выражения для них True
        
        вызов среза: массивЗначений [ логВыражение для массивЗначений ]
        
        a [ a<0 ]
        
        на самом деле такой вызов генерирует под капотом булеву маску
        
        явная генерация маски для дальнейшего использования: маска = логическоеВыражение для МассиваЗначений
        
        Для использовании нескольких масок в одном логическом выражении нужно использовать специальные логические операторы
        
        np.logical...
        
        |
        
        np.where(mask) - поиск индексов по маске
        
        маска должна быть сгенерирована
        
        массив [np.where( логическоеВыражение )] - генерация среза по набору индексов, генерируемому здесь же логическим выражением
      - Py-style: массив [индекс1] [индекс2] .. [индексN]
        
        При таком обращении производятся дополнительные действия, не рекомендуется
      - :recycle:
    - - reshape(): можно добавлять или удалять измерения в массиве, а также изменять количество элементов в каждом измерении.
        
        numpy.reshape(массив, новаяРазмерность, /order=..)
        
        новаяРазмерность - целое число или кортеж целых чисел
        
        Для кортежа последнее значение -1 - автоматический выбор на основе предыдущих значений и общего количества данных
        
        массив.reshape( новаяРазмерность )
        
        Например, можно преобразовать одномерный массив в многомерный