Numpy 数组操作
Numpy 数组操作
Numpy 中包含了一些函数用于处理数组，大概可分为以下几类：
- 修改数组形状
- 翻转数组
- 修改数组维度
- 连接数组
- 分割数组
- 数组元素的添加与删除
一、修改数组形状
| 函数 | 描述 |
|---|---|
reshape |
不改变数据的条件下修改形状 |
flat |
数组元素迭代器 |
flatten |
返回一份数组拷贝，对拷贝所做的修改不会影响原始数组 |
ravel |
返回展开数组 |
1.numpy.reshape
numpy.reshape 函数可以在不改变数据的条件下修改形状，格式如下：
numpy.reshape(arr, newshape, order='C')
arr：要修改形状的数组newshape：整数或者整数数组，新的形状应当兼容原有形状- order：'C' -- 按行，'F' -- 按列，'A' -- 原顺序，'k' -- 元素在内存中的出现顺序。
演示代码：
a = np.arange(8) print ('原始数组：') print (a) print ('\n') a = np.reshape(a,[2,4],order = 'F') print ('修改后的数组：') print (a)
输出结果：
原始数组： [0 1 2 3 4 5 6 7] 修改后的数组： [[0 2 4 6] [1 3 5 7]]
2.numpy.ndarray.flat
numpy.ndarray.flat 是一个数组元素迭代器，实例如下:
a = np.arange(9).reshape(3,3) print ('原始数组：') for row in a: print (row) print('\n') #对数组中每个元素都进行处理，可以使用flat属性，该属性是一个数组元素迭代器： print ('迭代后的数组：') for element in a.flat: print (element,end=',')
输出结果：
原始数组： [0 1 2] [3 4 5] [6 7 8] 迭代后的数组： 0,1,2,3,4,5,6,7,8,
3.numpy.ndarray.flatten
numpy.ndarray.flatten 返回一份数组拷贝，对拷贝所做的修改不会影响原始数组，格式如下：
ndarray.flatten(order='C')
参数说明：
- order：'C' -- 按行，'F' -- 按列，'A' -- 原顺序，'K' -- 元素在内存中的出现顺序。
演示代码：
a = np.arange(8).reshape(2,4) print ('原数组：') print (a) print ('\n') # 默认按行 print ('展开的数组：') print (a.flatten()) print ('\n') print ('以 F 风格顺序展开的数组：') print (a.flatten(order = 'F'))
输出结果：
原数组： [[0 1 2 3] [4 5 6 7]] 展开的数组： [0 1 2 3 4 5 6 7] 以 F 风格顺序展开的数组： [0 4 1 5 2 6 3 7]
4.numpy.ravel
numpy.ravel() 展平的数组元素，顺序通常是"C风格"，返回的是数组视图（view，有点类似 C/C++引用reference的意味），修改会影响原始数组。
该函数接收两个参数：
numpy.ravel(a, numpy.ravel(a, order='C')order='C')
参数说明：
- order：'C' -- 按行，'F' -- 按列，'A' -- 原顺序，'K' -- 元素在内存中的出现顺序。
演示代码：
a = np.arange(8).reshape(2,4) print ('原数组：') print (a) print ('\n') print ('调用 ravel 函数之后：') print (a.ravel()) print ('\n') print ('以 F 风格顺序调用 ravel 函数之后：') print (a.ravel(order = 'F'))
输出结果：
原数组： [[0 1 2 3] [4 5 6 7]] 调用 ravel 函数之后： [0 1 2 3 4 5 6 7] 以 F 风格顺序调用 ravel 函数之后： [0 4 1 5 2 6 3 7]
二、翻转数组
| 函数 | 描述 |
|---|---|
transpose |
对换数组的维度 |
ndarray.T |
和 self.transpose() 相同 |
rollaxis |
向后滚动指定的轴 |
swapaxes |
对换数组的两个轴 |
1.numpy.transpose
numpy.transpose 函数用于对换数组的维度，格式如下：
numpy.transpose(arr, axes)
参数说明:
arr：要操作的数组axes：整数列表，对应维度，通常所有维度都会对换。
演示代码：
a = np.arange(12).reshape(3,4) print ('原数组：') print (a ) print ('\n') print ('对换数组：') print (np.transpose(a)) print ('\n') print('a的转置数组：') print(a.T)
输出结果：
原数组： [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] 对换数组： [[ 0 4 8] [ 1 5 9] [ 2 6 10] [ 3 7 11]] a的转置数组： [[ 0 4 8] [ 1 5 9] [ 2 6 10] [ 3 7 11]]
numpy.ndarray.T 类似 numpy.transpose。
2.numpy.rollaxis
numpy.rollaxis 函数向后滚动特定的轴到一个特定位置，格式如下：
numpy.rollaxis(arr, axis, start)
参数说明：
arr：数组axis：要向后滚动的轴，其它轴的相对位置不会改变start：默认为零，表示完整的滚动。会滚动到特定位置。
演示代码：
# 创建了三维的 ndarray a = np.arange(8).reshape(2,2,2) print ('原数组：') print (a) print ('获取数组中一个值：') print(np.where(a==6)) print(a[1,1,0]) # 为 6 print ('\n') # 将轴 2 滚动到轴 0（宽度到深度） print ('调用 rollaxis 函数：') b = np.rollaxis(a,2,0) print (b) # 查看元素 a[1,1,0]，即 6 的坐标，变成 [0, 1, 1] # 最后一个 0 移动到最前面 print(np.where(b==6)) print(b[0,1,1,]) print ('\n') # 将轴 2 滚动到轴 1：（宽度到高度） print ('调用 rollaxis 函数：') c = np.rollaxis(a,2,1) print (c) # 查看元素 a[1,1,0]，即 6 的坐标，变成 [1, 0, 1] # 最后的 0 和 它前面的 1 对换位置 print(np.where(c==6)) print(c[1,0,1]) print ('\n')
输出结果：
原数组： [[[0 1] [2 3]] [[4 5] [6 7]]] 获取数组中一个值： (array([1], dtype=int64), array([1], dtype=int64), array([0], dtype=int64)) 6 调用 rollaxis 函数： [[[0 2] [4 6]] [[1 3] [5 7]]] (array([0], dtype=int64), array([1], dtype=int64), array([1], dtype=int64)) 6 调用 rollaxis 函数： [[[0 2] [1 3]] [[4 6] [5 7]]] (array([1], dtype=int64), array([0], dtype=int64), array([1], dtype=int64)) 6
3.numpy.swapaxes
numpy.swapaxes 函数用于交换数组的两个轴，格式如下：
numpy.swapaxes(arr, axis1, axis2)
arr：输入的数组axis1：对应第一个轴的整数axis2：对应第二个轴的整数
演示代码：
# 创建了三维的 ndarray a = np.arange(8).reshape(2,2,2) print ('原数组：') print (a) print ('\n') # 现在交换轴 0（深度方向）到轴 2（宽度方向） print ('调用 swapaxes 函数后的数组：') print (np.swapaxes(a, 2, 0))
输出结果：
原数组： [[[0 1] [2 3]] [[4 5] [6 7]]] 调用 swapaxes 函数后的数组： [[[0 4] [2 6]] [[1 5] [3 7]]]
三、分割数组
| 函数 | 数组及操作 |
|---|---|
split |
将一个数组分割为多个子数组 |
hsplit |
将一个数组水平分割为多个子数组（按列） |
vsplit |
将一个数组垂直分割为多个子数组（按行） |
1.numpy.split
numpy.split 函数沿特定的轴将数组分割为子数组，格式如下：
numpy.split(ary, indices_or_sections, axis)
参数说明：
ary：被分割的数组indices_or_sections：如果是一个整数，就用该数平均切分，如果是一个数组，为沿轴切分的位置（左开右闭）axis：设置沿着哪个方向进行切分，默认为 0，横向切分，即水平方向。为 1 时，纵向切分，即竖直方向。
演示代码：
a = np.arange(9) print ('第一个数组：') print (a) print ('\n') print ('将数组分为三个大小相等的子数组：') b = np.split(a,3) print (b) print ('\n') print ('将数组在一维数组中表明的位置分割：') b = np.split(a,[4,7]) print (b)
输出结果：
第一个数组： [0 1 2 3 4 5 6 7 8] 将数组分为三个大小相等的子数组： [array([0, 1, 2]), array([3, 4, 5]), array([6, 7, 8])] 将数组在一维数组中表明的位置分割： [array([0, 1, 2, 3]), array([4, 5, 6]), array([7, 8])]
四、数组元素的添加与删除
| 函数 | 元素及描述 |
|---|---|
resize |
返回指定形状的新数组 |
append |
将值添加到数组末尾 |
insert |
沿指定轴将值插入到指定下标之前 |
delete |
删掉某个轴的子数组，并返回删除后的新数组 |
unique |
查找数组内的唯一元素 |
1.numpy.resize
numpy.resize 函数返回指定大小的新数组。
如果新数组大小大于原始大小，则包含原始数组中的元素的副本。
numpy.resize(arr, shape)
参数说明：
arr：要修改大小的数组shape：返回数组的新形状
演示代码：
mport numpy as np a = np.array([[1,2,3],[4,5,6]]) print ('第一个数组：') print (a) print ('\n') print ('第一个数组的形状：') print (a.shape) print ('\n') b = np.resize(a, (3,2)) print ('第二个数组：') print (b) print ('\n') print ('第二个数组的形状：') print (b.shape) print ('\n') # 要注意 a 的第一行在 b 中重复出现，因为尺寸变大了 print ('修改第二个数组的大小：') b = np.resize(a,(3,3)) print (b)
输出结果：
第一个数组： [[1 2 3] [4 5 6]] 第一个数组的形状： (2, 3) 第二个数组： [[1 2] [3 4] [5 6]] 第二个数组的形状： (3, 2) 修改第二个数组的大小： [[1 2 3] [4 5 6] [1 2 3]]
2.numpy.append
numpy.append 函数在数组的末尾添加值。 追加操作会分配整个数组，并把原来的数组复制到新数组中。 此外，输入数组的维度必须匹配否则将生成ValueError。
append 函数返回的始终是一个一维数组。
numpy.append(arr, values, axis=None)
参数说明：
arr：输入数组values：要向arr添加的值，需要和arr形状相同（除了要添加的轴）axis：默认为 None。当axis无定义时，是横向加成，返回总是为一维数组！当axis有定义的时候，分别为0和1的时候。当axis有定义的时候，分别为0和1的时候（列数要相同）。当axis为1时，数组是加在右边（行数要相同）。
演示代码：
a = np.array([[1,2,3],[4,5,6]]) print ('第一个数组：') print (a) print ('\n') print ('向数组添加元素：') print (np.append(a, [7,8,9])) print ('\n') print ('沿轴 0 添加元素：') print (np.append(a, [[7,8,9]],axis = 0)) print ('\n') print ('沿轴 1 添加元素：') print (np.append(a, [[5,5,5],[7,8,9]],axis = 1))
输出结果：
第一个数组： [[1 2 3] [4 5 6]] 向数组添加元素： [1 2 3 4 5 6 7 8 9] 沿轴 0 添加元素： [[1 2 3] [4 5 6] [7 8 9]] 沿轴 1 添加元素： [[1 2 3 5 5 5] [4 5 6 7 8 9]]
3.numpy.insert
numpy.insert 函数在给定索引之前，沿给定轴在输入数组中插入值。
如果值的类型转换为要插入，则它与输入数组不同。 插入没有原地的，函数会返回一个新数组。 此外，如果未提供轴，则输入数组会被展开。
numpy.insert(arr, obj, values, axis)
参数说明：
arr：输入数组obj：在其之前插入值的索引values：要插入的值axis：沿着它插入的轴，如果未提供，则输入数组会被展开
演示代码：
a = np.array([[1,2],[3,4],[5,6]]) print ('第一个数组：') print (a) print ('\n') print ('未传递 Axis 参数。 在删除之前输入数组会被展开。') print (np.insert(a,3,[11,12])) print ('\n') print ('传递了 Axis 参数。 会广播值数组来配输入数组。') print ('沿轴 0 广播：') print (np.insert(a,1,[11],axis = 0)) print ('\n') print ('沿轴 1 广播：') print (np.insert(a,1,11,axis = 1))
输出结果：
第一个数组： [[1 2] [3 4] [5 6]] 未传递 Axis 参数。 在删除之前输入数组会被展开。 [ 1 2 3 11 12 4 5 6] 传递了 Axis 参数。 会广播值数组来配输入数组。 沿轴 0 广播： [[ 1 2] [11 11] [ 3 4] [ 5 6]] 沿轴 1 广播： [[ 1 11 2] [ 3 11 4] [ 5 11 6]]
4.numpy.delete
numpy.delete 函数返回从输入数组中删除指定子数组的新数组。 与 insert() 函数的情况一样，如果未提供轴参数，则输入数组将展开。
Numpy.delete(arr, obj, axis)
参数说明：
arr：输入数组obj：可以被切片，整数或者整数数组，表明要从输入数组删除的子数组axis：沿着它删除给定子数组的轴，如果未提供，则输入数组会被展开
演示代码：
a = np.arange(12).reshape(3,4) print ('第一个数组：') print (a) print ('\n') print ('未传递 Axis 参数。 在插入之前输入数组会被展开。') print (np.delete(a,5)) print ('\n') print ('删除第二列：') print (np.delete(a,1,axis = 1)) print ('\n') print ('包含从数组中删除的替代值的切片：') a = np.array([1,2,3,4,5,6,7,8,9,10]) print (np.delete(a, np.s_[::2]))
输出结果：
第一个数组： [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] 未传递 Axis 参数。 在插入之前输入数组会被展开。 [ 0 1 2 3 4 6 7 8 9 10 11] 删除第二列： [[ 0 2 3] [ 4 6 7] [ 8 10 11]] 包含从数组中删除的替代值的切片： [ 2 4 6 8 10]
5.numpy.unique
numpy.unique 函数用于去除数组中的重复元素。
numpy.unique(arr, return_index, return_inverse, return_counts)
arr：输入数组，如果不是一维数组则会展开return_index：如果为true，返回新列表元素在旧列表中的位置（下标），并以列表形式储return_inverse：如果为true，返回旧列表元素在新列表中的位置（下标），并以列表形式储return_counts：如果为true，返回去重数组中的元素在原数组中的出现次数
演示代码：
a = np.array([5,2,6,2,7,5,6,8,2,9]) print ('第一个数组：') print (a) print ('\n') print ('第一个数组的去重值：') u = np.unique(a) print (u) print ('\n') print ('去重数组的索引数组：') u,indices = np.unique(a, return_index = True) print (indices) print ('\n') print ('我们可以看到每个和原数组下标对应的数值：') print (a) print ('\n') print ('去重数组的下标：') u,indices = np.unique(a,return_inverse = True) print (u) print ('\n') print ('下标为：') print (indices) print ('\n') print ('使用下标重构原数组：') print (u[indices]) print ('\n') print ('返回去重元素的重复数量：') u,indices = np.unique(a,return_counts = True) print (u) print (indices)
输出结果为：
第一个数组： [5 2 6 2 7 5 6 8 2 9] 第一个数组的去重值： [2 5 6 7 8 9] 去重数组的索引数组： [1 0 2 4 7 9] 我们可以看到每个和原数组下标对应的数值： [5 2 6 2 7 5 6 8 2 9] 去重数组的下标： [2 5 6 7 8 9] 下标为： [1 0 2 0 3 1 2 4 0 5] 使用下标重构原数组： [5 2 6 2 7 5 6 8 2 9] 返回去重元素的重复数量： [2 5 6 7 8 9] [3 2 2 1 1 1]
浙公网安备 33010602011771号