Python第十九课：numpy库(下) 点击上方“蓝字”，关注我们.

上一节课我们讲解了Numpy库的基础属性，创建数组，基本运算和查找索引这五部分内容，大家都学会了吗？若是没问题的话，就让我们进入后半程的学习吧，打开你的笔记本，开始今天的课程。

这节课我们介绍Numpy的数组合并、分割，顺便讲一下Python中的深浅复制。

Numpy可以对多个数组进行操作，其中合并操作是多个数组或矩阵合并成一个矩阵，具体操作如下：

a数组和b数组经过上下合并和左右合并后，生成的c和d数组是不一样的，通过array.shape方法输出矩阵的行列个数。

接下来我们再次讲解转置的操作，上一节介绍了转置，就是矩阵行列互换操作。但是有的同学在进行转置操作的时候出现了一些问题，导致无法转置。

这是为什么呢？结合刚才的array.shape方法我们发现了个问题：一维数组的输出跟多维数组输出不太一样：前者只输出元素个数，后者输出行列个数。

这说明Numpy对待一维数组和多维数组是不一样的。Numpy的一维数组我们称为序列，多维数组成为矩阵，而转置是矩阵的运算，与数列无关。但是，数学中存在一维矩阵的概念，因此我们可以通过转换来计算一维数组的转置。

给序列增加维度，变成一维矩阵，np.newaxisd的作用相信大家已经能猜出来了，操作与列表相似，这样就能完成一维矩阵的转置问题了。

至于多个数组的合并，除了多次使用单次合并之外，我们有更好的办法：

随便创建一个三行四列的数组：

拆分数组可以按行拆分、按列拆分；或是等量拆分、不等量拆分。这四种分割方式是不冲突的。

观察这两种分割方式，我们不难得出：等量分割和不等分割本质差不多，区别就在于数组能不能平均分成若干份。如果不能，不等分割法依然会依次进行分割，最后一个元素将会缺少若干项。

除了上图的两种分割函数，还有两种简化的行列分割函数：

我们使用Python经常对一些元素进行赋值，比如a=1，b="checkout"，c=[1,2,3]。大家可能都知道，a=1，b=a，c=b，那么如果a=a+1，即使a=2，b，c也仍然是1。

但是如果a，b，c是列表、字典、以及咱们numpy的数组的话，事情就变得奇妙了起来。为什么这么说呢？

啊哈，是不是傻了眼？我明明只修改了a当中的一个元素值，bcd三个变量的值都变了。如果大家学过C语言的话，这不难理解：三个变量使用了相同的内存空间，也就是说，abcd四个变量都是一个数组。我们来验证一下：

果然如此！那如果我创建一个数组，只想要前一个数组的值，不想跟它占用同一块内存。也就是说，像数字类型一样，不会牵一发而动全身。那么我们就需要这么做：

.copy()方法就为我们复制了一个a的变量，传给了b，但是ab是不同的变量。

这就说明了，等号是浅copy，在可变数据类型中共享内存地址；而不可变数据类型就没有深浅copy这一说啦。

Numpy基础入门就讲解到这里啦，什么，你说自己感觉啥也没学会？不知道学完之后能干啥？别慌，Numpy只是个计算工具而已，需要与接下来我们介绍的大哥Pandas一起使用，就能完成很多超酷的事情啦。不信的话，你可以提前看看课件，感受一下数据分析的魅力。

本节课到此就结束啦，大家如果有什么疑问可以在公众号留言给我们哟，我们会在第一时间为大家解答。同时，没有课件的小伙伴在公众号回复numpy获取链接。大家在课下要多加练习，善于思考，我们下节课再见！

文：郭锦洋

审：谢寿春