Numpy基础——数组操作大全（修改、翻转、合并、分割、添加与删除、去重）

np.reshape()np.flatten()np.resize()np.tranpose() np.concatenate()np.stack() np.hstack()np.vstack()np.split()np.hsplitnp.vsplit()np.appemd()np.delete()np.unique()

Unstoppable~~~

4695人浏览 · 2022-01-05 19:57:53

Unstoppable~~~ · 2022-01-05 19:57:53 发布

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

a = np.arange(9)
b = a.reshape(3, 3)
ic(b)
for row in b:    #遍历每一行
    print(row)
#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 b.flat:
    print(element)
#[0 1 2]
#[3 4 5]
#[6 7 8]
#略

flatten() 将二维数组展开成一维

np.ravel（与flatten功能相同，在修改ravel对象时，原数组也做了同样的修改！！！但是修改flatten对象则不会出现这种情况，所以平时尽量使用flatten）

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，修改会影响原始数组。

numpy.ravel(a, order='C')

order：‘C’ – 按行，‘F’ – 按列，‘A’ – 原顺序，‘K’ – 元素在内存中的出现顺序。

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（多维的情况）

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。

三、合并数组

函数	描述
`concatenate`	连接沿现有轴的数组序列
`stack`	沿着新的轴加入一系列数组。
`hstack`	水平堆叠序列中的数组（列方向）
`vstack`	竖直堆叠序列中的数组（行方向）

numpy.concatenate

numpy.concatenate 函数用于沿指定轴连接相同形状的两个或多个数组，格式如下：

numpy.concatenate((a1, a2, ...), axis)

参数说明：

a1, a2, ...：相同类型的数组
axis：沿着它连接数组的轴，默认为 0

a = np.arange(4).reshape(2, 2)
b = np.arange(5, 9).reshape(2, 2)
ic(np.concatenate((a, b)))  #axis=0,沿着竖轴（默认）,且这里要套两个括号
ic(np.concatenate((a, b), axis=1))
#ic| np.concatenate((a, b)): array([[0, 1],
#                                   [2, 3],
#                                   [5, 6],
#                                   [7, 8]])
#ic| np.concatenate((a, b), axis=1): array([[0, 1, 5, 6],
#                                          [2, 3, 7, 8]])

numpy.stack

numpy.stack 函数用于沿新轴连接数组序列(两个二维数组合并的结果为三维数组)，格式如下：

numpy.stack(arrays, axis)

沿着x, y ,z轴进行合并

np.hstack()和np.vstack() 合并后还是二维数组

ic(np.hstack((a, b)))  #左右
ic(np.vstack((a, b)))  #上下
#ic| np.hstack((a, b)): array([[0, 1, 5, 6],
#                              [2, 3, 7, 8]])
#ic| np.vstack((a, b)): array([[0, 1],
#                              [2, 3],
#                              [5, 6],
#                              [7, 8]])

四、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）

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。

a = np.arange(9)
b = np.split(a, 3)   #等分成三份
c = np.split(a, [4, 7]) #在指定位置切分
ic(b)
ic(c)
d = np.arange(16).reshape(4, 4)
ic(np.hsplit(d, 2))  #垂直方向分割
#ic| b: [array([0, 1, 2]), array([3, 4, 5]), array([6, 7, 8])]
#ic| c: [array([0, 1, 2, 3]), array([4, 5, 6]), array([7, 8])]
#ic| np.hsplit(d ,2): [array([[ 0,  1],
#                            [ 4,  5],
#                            [ 8,  9],
#                            [12, 13]]),
#                      array([[ 2,  3],
#                            [ 6,  7],
#                            [10, 11],
#                            [14, 15]])]

五、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

numpy.resize(一般用于缩减)

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

resize有两种使用方式，一种是没有返回值的，直接对原始的数据进行修改，还有一种用法是有返回值的，所以不会修改原有的数组值。

a = np.array([[1, 2, 3], [4, 5, 6]])
ic(np.resize(a, (3, 3)))  #会将第一行复制  不改变原来的数组
a2 = a.resize((2, 2))
ic(a2)   #这里不返回值为None
ic(a)    #此时，a已经被修改
#ic| np.resize(a, (3, 3)): array([[1, 2, 3],
#                                 [4, 5, 6],
#                                 [1, 2, 3]])
#ic| a2: None
#ic| a: array([[1, 2],
#              [3, 4]])

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）。

a = np.array([[1, 2, 3], [4, 5, 6]])
ic(a)
ic(np.append(a, [[7, 8, 9]], axis=0))
#沿轴 0 添加元素：
#[[1 2 3]
# [4 5 6]
# [7 8 9]]

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

a = np.array([[1, 2], [3, 4], [5, 6]])
ic(a)
ic(np.insert(a, 1, 11))
ic(np.insert(a, 1, 11, axis=0))
ic(np.insert(a, 1, 11, axis=1))
#ic| np.insert(a, 1, 11): array([ 1, 11,  2,  3,  4,  5,  6])
#ic| np.insert(a, 1, 11, axis=0): array([[ 1,  2],
#                                        [11, 11],
#                                        [ 3,  4],
#                                        [ 5,  6]])
#ic| np.insert(a, 1, 11, axis=1): array([[ 1, 11,  2],
#                                        [ 3, 11,  4],
#                                        [ 5, 11,  6]])

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

a = np.arange(12).reshape(3, 4)
ic(a)
ic(np.delete(a, 5)) #未传递axis参数，再插入之前数组会被展开
ic(np.delete(a, 1, axis=0))  #删除第二行
b = np.arange(1, 11)
ic(b)
ic(b[np.s_[::2]])   #np.s_可以当作索引
ic(np.delete(b, np.s_[::2])) #删去索引为2的倍数的元素
#ic| a: array([[ 0,  1,  2,  3],
#              [ 4,  5,  6,  7],
#              [ 8,  9, 10, 11]])
#ic| np.delete(a, 5): array([ 0,  1,  2,  3,  4,  6,  7,  8,  9, 10, 11])
#ic| np.delete(a, 1, axis=0): array([[ 0,  1,  2,  3],
#                                    [ 8,  9, 10, 11]])
#ic| b: array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10])
#ic| b[np.s_[::2]]: array([1, 3, 5, 7, 9])
#ic| np.delete(b, np.s_[::2]): array([ 2,  4,  6,  8, 10])

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

a = np.array([5, 2, 6, 2, 7, 5, 6, 8, 2, 9])
ic(a)
u = np.unique(a)
ic(u)
u, indices = np.unique(a, return_index=True) #返回去重后元素在原数组中的索引
ic(indices)
u, indices2 = np.unique(a, return_inverse=True) #返回去重前元素，在去重后列表（长度与元数组相等）中的位置
ic(indices2)
ic(u[indices2])   #利用去重后的数组u和索引indices2重构原数组
#ic| a: array([5, 2, 6, 2, 7, 5, 6, 8, 2, 9])
#ic| u: array([2, 5, 6, 7, 8, 9])
#ic| indices: array([1, 0, 2, 4, 7, 9], dtype=int64)
#ic| indices2: array([1, 0, 2, 0, 3, 1, 2, 4, 0, 5], dtype=int64)