import numpy as np              # numpy數值計算，支持維度數組和矩陣計算
# 特殊創建矩陣方式
x = np.zeros((2, 3))            # zeros 創建全是 0 的數組矩陣,參數是數組類型
y = np.ones(3)                  # ones 創建全是 1 的數組矩陣
z = np.full((3, 2), 3)          # full 創建定值數組矩陣，如創建3行2列，數值全是3的矩陣
s = np.eye(5, k=2)              # eye 創建對角矩陣，對角值為 1 ，k值表示從第幾列開始對角相同，不填默認為 0
w = np.random.random((2, 3))    # 創建隨機值的矩陣

# 初始化創建矩陣方式
a = np.array([[1, 2, 3], [3, 4, 5]],dtype=np.int64)        # 初始化一個數組成矩陣,dtype= 設置數據類型
print(a.shape)                      # 查看這個矩陣是幾行幾列
a1 = a[[1, 0, 1], [0, 1, 1]]        # 索引結果是[3,2,4],前后保持一一對應
a2 = [a[1, 0], a[0, 1], a[1, 1]]    # 與上面結果相同

rows = np.array([[0, 0], [1, 1]])   # 索引矩陣的行
cols = np.array([[0, 1], [0, 1]])   # 索引矩陣的列
print(a[rows, cols])                # 索引到矩陣的對角值，索引行，列一一對應:[0,0],[0,1],[1,0],[1,1]

print(a > 2)                    # 判斷矩陣中每個元素是否大于2,返回的是布爾值
print(np.sum(a))                # 矩陣中每個元素的求和
print(np.sum(a, axis=0))        # axis = 0 矩陣第一維度求和，[1+3, 2+4, 3+5]
print(np.sum(a, axis=1))        # axis = 1 矩陣第二維度求和，[1+2+3, 3+4+5]

"""
這是二維數組，所以axis=1時就到了最后的維度，將數組最小單位元素相加就可
如是三維數組[[[1,2,3],[3,4,5]],[[6,7,8],[8,9,10]]]
axis=0時求和：[[1+6,2+7,3+8],[3+8,4+9,5+10]]
axis=1時求和：[[1+3,2+4,3+5],[6+8,7+9,8+10]]
axis=2時求和：[[1+2+3,3+4+5],[6+7+8,8+9+10]]
以此類推，數組中每個維度的元素對應元素求和
本質是數組中每個元素相加，
    如這個三維數組有兩個元素，分別為[[1,2,3],[3,4,5]] 和 [[6,7,8],[8,9,10]]]對應相加，
    每個元素中又有兩個子元素，分別為[1,2,3] 和 [3,4,5]每個元素中兩子元素對應相加，
    每個子元素中又有三個子元素，[1,2,3]則這三個子元素相加
"""

"""
廣播(broadcast):是numpy對不同形狀(shape)的數組進行數值計算
當兩個數組的shape相同，即a.shape==b.shape時，a*b，就是將對應位相乘
但當兩個數組的shape不同，則會觸發廣播機制，觸發后會向最長的軸長看齊，不足的補足
廣播機制原則：1、兩個數組維度不同，但后緣維度的軸長度相同
              2、數組維度相同，但其中一個數組軸長為1        
如：a是（3,1）的數組，b是（1,3）的數組，運算得到的數組是（3*3）的數組
    a為（3,3）數組，b為（2,3)數組，則不滿足廣播機制原則，不會觸發
"""

數組維度不同，后緣軸長相同

 數組維度相同，其中一個軸長為1

迭代,for循環，使用nditer迭代出每個元素
# a = [[1, 2, 3], [3, 4, 5]]
for i in np.nditer(a):
    print(i)                                    # 結果是1,2,3,3,4,5
for i in np.nditer(a.T):                        # .T 行列轉置
    print(i)                                    # 結果是1,2,3,3,4,5
for i in np.nditer(a.T,order='F'):              # order='F'列序排序
    print(i)                                    # 結果是1,2,3,3,4,5
for i in np.nditer(a.T.copy(order='C')):        # order='C'行序排序
    print(i)                                    # 結果是1,3,2,4,3,5
for i in np.nditer(a,op_flags=['readwrite']):   # 默認是readonly，使用op_flags設置讀寫性
    i[...] = i * 2
print(a)

廣播迭代,如果兩個數組可廣播，則可以同時迭代他們，迭代按廣播后的維度軸長迭代
for i,j in np.nditer([s1,s2]):
    print('%d:%d' % (i, j))

外部迭代
"""
nditer擁有flags參數，可接受下列值
c_index         按照c順序迭代
f_index         按照Fortran順序
multi_index     每次迭代可以跟蹤一種索引類型
external_loop   以一維數組形式迭代
"""
for i in np.nditer(a,flags=['external_loop'],order='F'):    
　　print(i)