“数组”的版本间差异

2017年1月9日 (一) 04:37的最新版本

数组

REFORM 数组变形

将数组变为制定的维数

 A=indgen(20), B=reform(A,2,10)

reform在默认（无输入参数）的情况下将数组变为一维

 A＝reform(data[1,*])

中位值

a=median(A,/even);偶数位的数据，取中间两个数的平均值

rotate

可以把数组旋转后组成矩阵，类似于列操作。

a=indgen(10)
b=indgen(10)
c=[rotate(a,1),rotate(b,10]

转置

IDL>print,transpose([a,b])

reverse

数组反向

例：数组降序排列,结合sort（默认升序）

PRINT, 'Elements of A in descending order: ', A[REVERSE(SORT(A))]

扩维

fan程序(http://astro.berkeley.edu/~johnjohn/idl.html#FAN )

IDL>print,fan(indgen(3),2)
IDL>print,fan(indgen(3),2,/trans)

可以用rebin实现

IDL>print,rebin(indgen(3),3,2)

多维数组的位置

用array_indices

 array = RANDOMU(seed, 10, 10)  
 mx = MAX(array, location) 
 ind=array_indices(array,location)
 print, ind, array[ind[0],ind[1]], format = '(%"Value at [%d, %d] is %f")'

 IDL prints:
 Value at [3, 6] is 0.973381

数组的位数,

print,size(array)

size 还可以用来确定变量的类型 Ctype=size(A,/type),

数组随机打乱（shuffle)

Arr_S=arr[sort(randomu(seed,N_elements(arr))]

数组去重

Arr=Arr[uniq(Arr,sort(arr))

数组求和

a=total(indgen(10),/cum)；输出为数组的累计分布

数组和矩阵运算

For A # B, where A and B are vectors, IDL performs A # TRANSPOSE(B). In this case, C = A # B is a matrix with Cij = Ai Bj. Mathematically, this is equivalent to the outer product, usually denoted by A Å B.
For A ## B, where A and B are vectors, IDL performs TRANSPOSE(A) ## B. In this case, C = A ## B is a matrix with Cij = Bi Aj.
To compute the dot product, usually denoted by A • B, use TRANSPOSE(A) # B.
A # B = B ## A
A # B = (BT # AT)T ;T表示转置运算

@@ 第1行： / 第1行： @@
 ==数组==
-* REFORM
+* REFORM 数组变形
+:将数组变为制定的维数
-:数组变形，比如data是读入的二维数组，data的第一列可以用 A＝reform(data[1,*])
+  A=indgen(20), B=reform(A,2,10)
-::data[1,*]仍然是个二维数组，reform在默认的情况下将这其变为一维数组
+:reform在默认（无输入参数）的情况下将数组变为一维
+  A＝reform(data[1,*])
+* 中位值
+a=median(A,/even);偶数位的数据，取中间两个数的平均值
 * rotate
@@ 第9行： / 第14行： @@
  b=indgen(10)
  c=[rotate(a,1),rotate(b,10]
+:转置
+ IDL>print,transpose([a,b])
 * reverse
@@ 第19行： / 第26行： @@
  IDL>print,fan(indgen(3),2)
  IDL>print,fan(indgen(3),2,/trans)
+可以用rebin实现
+ IDL>print,rebin(indgen(3),3,2)
 * 多维数组的位置
@@ 第30行： / 第39行： @@
   IDL prints:
   Value at [3, 6] is 0.973381
+:数组的位数,
+ print,size(array)
+:size 还可以用来确定变量的类型 Ctype=size(A,/type),
 * 数组随机打乱（shuffle)
  Arr_S=arr[sort(randomu(seed,N_elements(arr))]
+*数组去重
-==结构==
+ Arr=Arr[uniq(Arr,sort(arr))
-*结构很容易增加一个tag，比如
- A= {tag1:0.,tag2:'Name'}
- B=create_struct(A,'tag3',1L)
-但是如果A是结构数组了，就不能再这样操作。
-结果数组经常被用来读入数据文件，如果该数据文件加上一列数据，如何较方便的操作。
-:一种方法如下：
- A= {tag1:0.,tag2:'Name'}
- B= {tag1:1.,tag2:'Name2',tag3:10L}
- A2=  replicate(A,10)
- B2 = replicate(B,10)
- struct_assign,A,B ；把A的数值付给B
- print,B ;可以看到B的前两列已经变成A的数值，但B的第三列被充0，所以这时候可以再给B.tag3赋值。
+*数组求和
-:还有一种方法，但没上面那么直观
+ a=total(indgen(10),/cum)；输出为数组的累计分布
- str={a: 0l, b: ''}
- str_arr=REPLICATE(str,10)
- ref_str = reform_struct(str_arr, /tag_array, 10)
- ref_str = create_struct(ref_str, 'c' ,make_array(10))
- help, ref_str, /str
+==数组和矩阵运算==
-还有一共jjadd_tag的程序(http://astro.berkeley.edu/~johnjohn/idl.html#JJADD_TAG)
+*For A # B, where A and B are vectors, IDL performs A # TRANSPOSE(B). In this case, C = A # B is a matrix with Cij = Ai Bj. Mathematically, this is equivalent to the outer product, usually denoted by A Å B.
- IDL>  struct = {a: 0., b: 'blah'}
+*For A ## B, where A and B are vectors, IDL performs TRANSPOSE(A) ## B. In this case, C = A ## B is a matrix with Cij = Bi Aj.
- IDL> a=replicate(struct,2)
+*To compute the dot product, usually denoted by A • B, use TRANSPOSE(A) # B.
- IDL> c=jjadd_tag(a,'new',0b)
+*A # B = B ## A
+*A # B = (BT # AT)T ;T表示转置运算

“数组”的版本间差异

2017年1月9日 (一) 04:37的最新版本

数组

数组和矩阵运算

导航菜单

搜索