NumPy 教程：数组操作

发布时间：2023-03-21 14:27:19 所属栏目：教程来源：

导读：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

修改数组形状
reshape 不改变数据的条件下修改形状

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

修改数组形状
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

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')
参数说明：

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

示例：

In [1]: import numpy as np
In [2]: sum = np.arange(8)
In [3]: sum
Out[3]: array([0,1,2,3,4,5,6,7])
In [4]: sum.reshape(4,2)
Out[4]:
array([[0,1],[2,3],[4,5],[6,7]])
numpy.ndarray.flat 函数

是一个数组元素迭代器

In [1]: import numpy as np
In [2]: sum = np.arange(9).reshape(3,3)
In [3]: for row in sum:
...: print(row)
...:
[0 1 2]
[3 4 5]
[6 7 8]
In [4]: for element in sum.flat:
...: print(element)
...:

numpy.ndarray.flatten 函数

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
示例：

In [1]: import numpy as np
In [2]: sum = np.arange(8).reshape(2,4)
In [3]: sum
Out[3]:
array([[0,7]])
In [4]: sum.flatten()
Out[4]: array([0,7])
In [5]: sum.flatten(order='F')
Out[5]: array([0,7])
numpy.ravel 函数

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

numpy.ravel(num,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
示例：

In [1]: import numpy as np
In [2]: num = np.arange(8).reshape(2,4)
In [3]: num
Out[3]:
array([[0,7]])
In [4]: num.ravel()
Out[4]: array([0,7])
In [5]: num.ravel(order='F')
Out[5]: array([0,7])
翻转数组
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

numpy.transpose 函数

用于对换数组的维度，格式如下：

numpy.transpose(arr,axes)
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

示例：

In [1]: import numpy as np
In [2]: num = np.arange(12).reshape(3,4)
In [3]: num
Out[3]:
array([[ 0,[ 4,7],[ 8,9,10,11]])
In [4]: np.transpose(num)
Out[4]:
array([[ 0,8],[ 1,9],[ 2,10],[ 3,7,11]])
numpy.ndarray.T 类似 numpy.transpose

In [5]: num.T
Out[5]:
array([[ 0,11]])
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

示例：

In [1]: import numpy as np
In [2]: num = np.arange(8).reshape(2,2)
In [3]: num
Out[3]:
array([[[0,3]],[[4,7]]])
In [4]: np.rollaxis(num,2)
Out[4]:
array([[[0,2],6]],[[1,[5,7]]])
In [5]: np.rollaxis(num,1)
Out[5]:
array([[[0,[1,6],7]]])
numpy.swapaxes 函数

用于交换数组的两个轴，格式如下：

numpy.swapaxes(arr,axis1,axis2)
参数说明：

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

示例：

In [1]: import numpy as np
In [2]: num = np.arange(8).reshape(2,7]]])
In [4]: np.swapaxes(num,0)
Out[4]:
array([[[0,4],[3,7]]])
修改数组维度
broadcast 产生模仿广播的对象

broadcast_to 将数组广播到新形状

expand_dims 扩展数组的形状

squeeze 从数组的形状中删除一维条目

numpy.broadcast 函数

用于模仿广播的对象，它返回一个对象，该对象封装了将一个数组广播到另一个数组的结果，该函数使用两个数组作为输入参数，如下实例：

In [1]: import numpy as np
In [2]: x = np.array([[1],[2],[3]])
In [3]: y = np.array([4,6])
In [4]: x
Out[4]:
array([[1],[3]])
In [5]: y
Out[5]: array([4,6])
In [6]: num = np.broadcast(x,y)
In [7]: num
Out[7]: <numpy.broadcast at 0x7fac788ebce0>
In [8]: a,b = num.iters
In [9]: a
Out[9]: <numpy.flatiter at 0x7fac779ede00>
In [10]: b
Out[10]: <numpy.flatiter at 0x7fac779c9e00>
In [11]: print(next(a),next(b))
1 4
In [12]: print(next(a),next(b))
1 5
In [13]: num.shape
Out[13]: (3,3)
In [14]: num = np.broadcast(x,y)
In [15]: ape = np.empty(num.shape)
In [16]: ape
Out[16]:
array([[0.,0.,0.],[0.,0.]])
In [17]: ape.shape
Out[17]: (3,3)
In [18]: ape.flat = [i + j for i,j in num]
In [19]: ape
Out[19]:
array([[5.,6.,7.],[6.,7.,8.],[7.,8.,9.]])
In [20]: x + y
Out[20]:
array([[5,[7,8,9]])
numpy.broadcast_to 函数

将数组广播到新形状，它在原始数组上返回只读视图，它通常不连续。如果新形状不符合 NumPy 的广播规则，该函数可能会抛出 ValueError

numpy.broadcast_to(array,shape,subok)
示例：

In [1]: import numpy as np
In [2]: num = np.arange(4).reshape(1,4)

In [3]: num
Out[3]: array([[0,3]])

In [4]: np.broadcast_to(num,(4,4))
Out[4]:
array([[0,
[0,3]])

numpy.expand_dims 函数

通过在指定位置插入新的轴来扩展数组形状，函数格式如下:

numpy.expand_dims(arr,axis)
参数说明：

arr：输入数组

axis：新轴插入的位置

示例：

In [1]: import numpy as np
In [2]: x = np.array(([1,4]))
In [3]: x
Out[3]:
array([[1,4]])
In [4]: y = np.expand_dims(x,axis=0)
In [5]: y
Out[5]:
array([[[1,4]]])
In [6]: x.shape,y.shape
Out[6]: ((2,2),(1,2))
In [7]: y = np.expand_dims(x,axis=1)
In [8]: y
Out[8]:
array([[[1,2]],[[3,4]]])
In [9]: x.ndim,y.ndim
Out[9]: (2,3)
In [10]: x.shape,y.shape
Out[10]: ((2,(2,2))
numpy.squeeze 函数

从给定数组的形状中删除一维的条目，函数格式如下：

numpy.squeeze(arr,axis)
参数说明：

arr：输入数组

axis：整数或整数元组，用于选择形状中一维条目的子集

示例：

In [1]: import numpy as np
In [2]: x = np.arange(9).reshape(1,3)
In [3]: x
Out[3]:
array([[[0,8]]])
In [4]: y = np.squeeze(x)
In [5]: y
Out[5]:
array([[0,8]])
In [6]: x.shape,y.shape
Out[6]: ((1,3),(3,3))
连接数组
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 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,…：相同类型的数组

axis：沿着它连接数组的轴，默认为 0

示例：

In [1]: import numpy as np
In [2]: x = np.array([[1,4]])
In [3]: x
Out[3]:
array([[1,4]])
In [4]: y = np.array([[5,8]])
In [5]: y
Out[5]:
array([[5,8]])
In [6]: np.concatenate((x,y))
Out[6]:
array([[1,8]])
In [7]: np.concatenate((x,y),axis=0)
Out[7]:
array([[1,8]])
In [8]: np.concatenate((x,axis=1)
Out[8]:
array([[1,8]])
numpy.stack 函数

用于沿新轴连接数组序列，格式如下：

numpy.stack(arrays,axis)
参数说明：

arrays相同形状的数组序列

axis：返回数组中的轴，输入数组沿着它来堆叠

示例：

In [1]: import numpy as np
In [2]: x = np.array([[1,8]])
In [6]: np.stack((x,0)
Out[6]:
array([[[1,4]],[[5,8]]])
In [7]: np.stack((x,1)
Out[7]:
array([[[1,8]]])
numpy.hstack 函数

numpy.hstack 函数是 numpy.stack 函数的变体，它通过水平堆叠来生成数组

In [1]: import numpy as np
In [2]: x = np.array([[1,8]])
In [6]: np.hstack((x,8]])
numpy.vstack 函数

numpy.vstack 函数是 numpy.stack 函数的变体，它通过垂直堆叠来生成数组

In [1]: import numpy as np
In [2]: x = np.array([[1,8]])
In [6]: np.vstack((x,8]])
分割数组
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 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：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：沿着哪个维度进行切向，默认为0，横向切分。为1时，纵向切分

示例：

In [1]: import numpy as np
In [2]: num = np.arange(9)
In [3]: num
Out[3]: array([0,8])
In [4]: np.split(num,3)
Out[4]: [array([0,2]),array([3,5]),array([6,8])]
In [5]: np.split(num,7])
Out[5]: [array([0,3]),array([4,6]),array([7,8])]
numpy.hsplit 函数

用于水平分割数组，通过指定要返回的相同形状的数组数量来拆分原数组

In [1]: import numpy as np
In [2]: num = np.floor(10 * np.random.random((2,6)))
In [3]: num
Out[3]:
array([[8.,1.,2.],[3.,9.,5.,3.,5.]])
In [4]: np.hsplit(num,3)
Out[4]:
[array([[8.,9.]]),array([[6.,[5.,3.]]),array([[1.,[8.,5.]])]
numpy.vsplit 函数

沿着垂直轴分割，其分割方式与 hsplit 用法相同

In [1]: import numpy as np
In [2]: num = np.arange(16).reshape(4,11],[12,13,14,15]])
In [4]: np.vsplit(num,2)
Out[4]:
[array([[0,7]]),array([[ 8,15]])]
数组元素的添加与删除
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 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

示例：

In [1]: import numpy as np
In [2]: x = np.array([[1,6]])
In [3]: x
Out[3]:
array([[1,6]])
In [4]: x.shape
Out[4]: (2,3)
In [5]: y = np.resize(x,2))
In [6]: y
Out[6]:
array([[1,6]])
In [7]: y.shape
Out[7]: (3,2)
In [8]: y = np.resize(x,3))
In [9]: y
Out[9]:
array([[1,3]])
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）

示例：

In [1]: import numpy as np
In [2]: num = np.array([[1,6]])
In [3]: num
Out[3]:
array([[1,6]])
In [4]: np.append(num,9])
Out[4]: array([1,9])
In [5]: np.append(num,[[7,9]],axis=0)
Out[5]:
array([[1,9]])
In [6]: np.append(num,axis=1)
Out[6]:
array([[1,9]])
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,axis)

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

示例：

In [1]: import numpy as np

In [2]: num = np.array([[1,6]])

In [3]: num
Out[3]:
array([[1,
[3,
[5,6]])

In [4]: np.insert(num,[11,12])
Out[4]: array([ 1,11,12,6])

In [5]: np.insert(num,[11],axis=0)
Out[5]:
array([[ 1,
[11,
[ 3,
[ 5,6]])

In [6]: np.insert(num,axis=1)
Out[6]:
array([[ 1,6]])

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,axis)

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

示例:

In [1]: import numpy as np
In [2]: num = np.arange(12).reshape(3,11]])
In [4]: np.delete(num,5)
Out[4]: array([ 0,11])
In [5]: np.delete(num,axis=1)
Out[5]:
array([[ 0,11]])
In [6]: num = np.array([1,10])
In [7]: num
Out[7]: array([ 1,10])
In [8]: np.delete(num,np.s_[::2])
Out[8]: array([ 2,10])
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

示例：

In [1]: import numpy as np
In [2]: num = np.array([5,9])
In [3]: num
Out[3]: array([5,9])
In [4]: np.unique(num)
Out[4]: array([2,9])
In [5]: np.unique(num,return_index=True)
Out[5]: (array([2,9]),array([1,9]))
In [6]: x,y = np.unique(num,return_index=True)
In [7]: y
Out[7]: array([1,9])
In [8]: np.unique(num,return_inverse=True)
Out[8]: (array([2,5]))
In [9]: x,return_inverse=True)
In [10]: x
Out[10]: array([2,9])
In [11]: y
Out[11]: array([1,5])
In [12]: x[y]
Out[12]: array([5,9])
In [13]: x,return_counts=True)
In [14]: x
Out[14]: array([2,9])
In [15]: y
Out[15]: array([3,1])

（编辑：驾考网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!