Python基础（随笔）

博主在用python的时候遇到的一些函数，就随笔记录下来了，以便日后查阅方便。

当然这篇博客是在不断更新的，因为遇到的东西也特别多嘛，嘿嘿。

numpy.meshgrid

从坐标向量返回坐标矩阵。
在给定一维坐标阵列x1、x2、…、xn的情况下，在N-D网格上对N-D标量/向量场进行向量化计算，生成N-D坐标阵列。

>>> nx, ny = (3, 2)
>>> x = np.linspace(0, 1, nx)
>>> y = np.linspace(0, 1, ny)
>>> xv, yv = np.meshgrid(x, y)
>>> xv
array([[0. , 0.5, 1. ],[0. , 0.5, 1. ]])
>>> yv
array([[0.,  0.,  0.],[1.,  1.,  1.]])
>>> xv, yv = np.meshgrid(x, y, sparse=True)  # make sparse output arrays
>>> xv
array([[0. ,  0.5,  1. ]])
>>> yv
array([[0.],[1.]])

ravel()、flatten()、squeeze(),reshape()

numpy中的ravel()、flatten()、squeeze()都有将多维数组转换为一维数组的功能，区别：
ravel()：如果没有必要，不会产生源数据的副本
flatten()：返回源数据的副本
squeeze()：只能对维数为1的维度降维

>>>x = np.array([[1, 2, 3], [4, 5, 6]])
>>>x.ravel()
array([1, 2, 3, 4, 5, 6])>>>x.flatten()
array([1, 2, 3, 4, 5, 6])>>>a=np.array([[ 1],[2],[3]])
>>>a.squeeze( )
array([1, 2, 3])>>>x.reshape(2,3)
array([[1, 2, 3],[4, 5, 6]])
>>>x.reshape(2,-1)#-1可根据前面行数自动计算
array([[1, 2, 3],[4, 5, 6]])

np.ma.masked_where

对满足条件的数组进行掩码。
当条件为真时，以数组形式返回a。条件的任何屏蔽值也会在输出中屏蔽。

>>> import numpy.ma as ma
>>> a = np.arange(4)
>>> a
array([0, 1, 2, 3])
>>> ma.masked_where(a <= 1, a)
masked_array(data=[--, --, 2, 3],mask=[ True,  True,  True, False],fill_value=999999)

>>> c = ma.masked_where(a <= 2, a)
>>> c
masked_array(data=[--, --, --, 3],mask=[ True,  True,  True, False],fill_value=999999)
>>> c[0] = 99
>>> c
masked_array(data=[99, --, --, 3],mask=[False,  True,  True, False],fill_value=999999)
>>> a
array([0, 1, 2, 3])
>>> c = ma.masked_where(a <= 2, a, copy=False)#是否复制参数的效果。
>>> c[0] = 99
>>> c
masked_array(data=[99, --, --, 3],mask=[False,  True,  True, False],fill_value=999999)
>>> a
array([99,  1,  2,  3])>>>d=[1,2,2,1]
>>>ma.masked_where(c==3,d)
masked_array(data=[99, --, --,  --],mask=[False,  True,  True,True],fill_value=999999)

astype 转换数据类型

>>>a=np.array([True,False,1.36,5.68,9.99])
>>>a.astype(np.int32)
array([1, 0, 1, 5, 9])

np.cumsum()

>>>a=np.array([np.arange(5),np.arange(0,-5,-1),[1,1,1,1,1]])
>>>a
array([[ 0,  1,  2,  3,  4],[ 0, -1, -2, -3, -4],[ 1,  1,  1,  1,  1]])>>>np.cumsum(a)#0，0+1，0+1+2，0+1+2+3，****
array([ 0,  1,  3,  6, 10, 10,  9,  7,  4,  0,  1,  2,  3,  4,  5],dtype=int32)>>>np.cumsum(a,axis=1)
array([[  0,   1,   3,   6,  10],[  0,  -1,  -3,  -6, -10],[  1,   2,   3,   4,   5]], dtype=int32)>>>np.cumsum(a,axis=0)
array([[0, 1, 2, 3, 4],[0, 0, 0, 0, 0],[1, 1, 1, 1, 1]], dtype=int32)

np.argmax() 返回数组中

import numpy as np
a = np.array([[1, 5, 5, 2],[9, 6, 2, 8],[3, 7, 9, 1]])
b=np.argmax(a, axis=0)#对二维矩阵来讲a[0][1]会有两个索引方向，第一个方向为a[0]，默认按列方向搜索最大值
print(b)#[1 2 2 1]  这是返回的索引值
c=np.argmax(a, axis=1)#现在按照a[0][1]中的a[1]方向，即行方向搜索最大值，
print(c)#[1 0 2]

assert()函数的作用

断言函数是对表达式布尔值的判断，要求表达式计算值必须为真。可用于自动调试。如果表达式为假，触发异常；如果表达式为真，不执行任何操作。

assert(6 == 6)
assert(5 > 1)
a = "hello"
b = "hello"
assert(a == b)

assert()中表达式都为真，故程序正常执行，不会报错，也不会有输出

当我们的数组是list类型的时候，可直接进行比较。如下我们使用assert（a==b）判断a，b是否相等，可以顺利通过

a = [0, 1, 2, 3, 4]
b = [0, 1, 2, 3, 4]
assert(a == b)

a,b为numpy.array类型时，需要采用下列方式：

import numpy as np
a = np.arange(10)
b = np.arange(10)
assert(a.all() == b.all())

enumerate()使用

enumerate() 函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据和数据下标，一般用在 for 循环当中。

list1 = ["博主", "是", "一个", "帅哥"]
for i in range (len(list1)):print (i ,list1[i])
0 博主
1 是
2 一个
3 帅哥

list1 = ["博主", "是", "一个", "帅哥"]
for i,w in enumerate(list1,2):#后面的2用于指定索引起始值，不写默认是0print (i ,w)
2 博主
3 是
4 一个
5 帅哥