今天繼續學習一下Numpy庫，廢話不多說，整起走
先說下Numpy中，經常會犯錯的地方，就是數據的複製
這個問題不僅僅是在numpy中有，其他地方也同樣會出現
import numpy as np
a = np.arange(12)
b = a
print(b is a)
b.shape = 3,4
print(a.shape)
print(id(a))
print(id(b))
先看看這段代碼，我們隨便建立了一個numpy數組
然後我想把a這個值，賦值給b，很簡單的操作，b = a
那麼我們打印一下b和a是不相等，返回的結果爲True
也就是說，b和a是相等的
那麼我們現在講b做個shape變換
然後在看看a的shape有沒有變換
我們這裏多打印些東西，更容易我們理解
我們看到a 的id，和b 的id 是一樣的，說明a和b，是完全相等的
我改變其中任意一個，都是改變另外一個值。實際上a和b指向的都是內存中的同一個地址
我們接着看下面的代碼
c = a.view()
print(c is a)
c.shape = 2,6
print(a.shape)
c[0,4] = 1234
print(a)
print(id(a))
print(id(c))
我這裏 定義了一個c，這個c也是一種複製，淺複製。用view()
我們在看看c 是不是a,返回的結果則是，False，說明，a和c不相等
我們將c.shape變換爲2，6
打印一下a.shape發現，a的shape還是3,4
那麼我將c中的一個值，修改爲1234
可以看到，打印出來的a也改變了
讓後通過id發現， 他們兩個不是同一個地址。但是我修改的時候會做修改
說明，用view()方法複製出來的數據，相當於python中的淺拷貝。
簡單說，就是a和c他們指向的地址不一樣，但是他們公用一組數據。
但是這個view不推薦使用
下面我們接着看
d = a.copy()
print(d is a)
d[0,0] = 9999
print(d)
print(a)
這裏看到，d = a.copy()，a 不是d ,所以打印出來是False
那麼我們讓d 中的 一個元素變成9999
那麼打印一下a和d 發現，a中沒有變化，d中有變化，也就是說
如果我們想讓一個變量，的初始值是a，然後在新的上面做一些變化的時候，一定要用copy來做
下面我們在說說argmax
data = np.sin(np.arange(20).reshape(5,4))
print(data)
ind = data.argmax(axis=0)
print(ind)
data_max = data[ind, range(data.shape[1])]
print(data_max)
這段代碼可以看出，我們生成了一個5行 4列的矩陣。我們定義維度axis = 0 就是按照列進行選擇
打印一下可以看到，第一列中0.98935825這個值是最大的。我們通過打印ind，得到最大的值是矩陣第一列的第3個元素
也就是元素下標爲2，那麼第二列中，第一個元素最大，下標爲0，以此類推，得到[2 0 3 1]
按行找的話，需要設置維度axis = 1，即可
我們想取到，沒列中，最大的數是多少，可以使用data_max這種取值方式，將矩陣中按照列排列最大的元素是多少，取出來
a = np.arange(0,40,10)
print(a)
b = np.tile(a,(4,2))
print(b)
看到上面這段代碼，我們生成一個向量
然後，通過tile函數，將我們生成的向量傳入進去，讓後按照矩陣進行翻倍變換
得到，4行2列的數據，下面繼續
a = np.array([[4,3,5],[1,2,1]])
print(a)
b = np.sort(a, axis = 1)
print(b)
a.sort(axis = 1)
print('****************')
print(a)
a = np.array([4,3,1,2])
j = np.argsort(a)
print('***************')
print(j)
print('***************')
print(a[j])
首先我們使用sort，將我們的a進行了以行爲主的排序
我們可以看到，使用np.sort和直接.sort的效果是一樣的
np.argsort，則是求出a的索引值，然後再按照a的索引值進行排序
今天就先說到這裏，感謝各位的閱讀，感謝支持！！謝謝！！
