"""
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
"""
"""
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
"""
numpy.reshape 函数可以在不改变数据的条件下修改形状
"""
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
"""
import numpy as np
a = np.arange(8)
a
b = a.reshape(4,2)
b
numpy.ndarray.flat 是一个数组元素迭代器
import numpy as np
a = np.arange(9).reshape(3, 3)
a
for _ in a:
print(_)
for _ in a.flat:
print(_, end=', ')
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
"""
order:'C' -- 按行,'F' -- 按列,'A' -- 原顺序,'K' -- 元素在内存中的出现顺序
"""
import numpy as np
a = np.arange(8).reshape(2, 4)
a
a.flatten()
a.flatten(order='F')
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
"""
order:'C' -- 按行,'F' -- 按列,'A' -- 原顺序,'K' -- 元素在内存中的出现顺序
"""
import numpy as np
a = np.arange(8).reshape(2, 4)
a
a.ravel()
a.ravel(order='F')
"""
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
"""
"""
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
"""
import numpy as np
a = np.arange(12).reshape(3, 4)
a
np.transpose(a)
a.T
numpy.rollaxis 函数向后滚动特定的轴到一个特定位置
"""
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
"""
import numpy as np
a = np.arange(8).reshape((2, 2, 2))
a[0]
a[1]
print(np.where(a==6))
a[1,1,0]
"""
组行列
b0
000=0 010=2
100=4 110=6
b1
001=1 011=3
101=5 111=7
"""
b = np.rollaxis(a, 2, 0)
b[0]
b[1]
"""
组行列
c0
000=0 010=2
001=1 011=3
c1
100=4 110=6
101=5 111=7
"""
c = np.rollaxis(a, 2, 1)
c[0]
c[1]
np.where(c==6)
numpy.swapaxes 函数用于交换数组的两个轴
"""
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
"""
import numpy as np
a = np.arange(8).reshape(2,2,2)
a[0]
a[1]
b = np.swapaxes(a, 2, 0)
b[0]
b[1]
"""
维度 描述
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
"""
import numpy as np
x = np.array([
[1],
[2],
[3]
])
x
y = np.array([4, 5, 6])
y
b = np.broadcast(x, y)
r,c = b.iters
b, r, c, b.shape
while True:
try:
print('x=%d, y=%d' % (next(r), next(c)))
except (Exception, BaseException):
break
b = np.broadcast(x, y)
c = np.empty(b.shape)
print(c.shape)
c
c.flat = [u + v for (u, v) in b]
c
x + y
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
import numpy as np
a = np.arange(4).reshape((1, 4))
a
np.broadcast_to(a, (4, 4))
numpy.expand_dims 函数通过在指定位置插入新的轴来扩展数组形状
"""
arr:输入数组
axis:新轴插入的位置
"""
import numpy as np
x = np.array((
[1, 2],
[3, 4]
))
x
y = np.expand_dims(x, axis=0)
y
x.ndim, y.ndim, x.shape, y.shape
numpy.squeeze 函数从给定数组的形状中删除一维的条目
"""
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
"""
import numpy as np
x = np.arange(9).reshape((1, 3, 3))
x
y = np.squeeze(x)
y
x.shape, y.shape
"""
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)
"""
"""
a1, a2, ...:相同类型的数组
axis:沿着它连接数组的轴,默认为 0
"""
import numpy as np
a = np.array([
[1, 2],
[3, 4]
])
a
b = np.array([
[5, 6],
[7, 8]
])
b
np.concatenate((a, b))
np.concatenate((a, b), axis=1)
numpy.stack 函数用于沿新轴连接数组序列
"""
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
"""
import numpy as np
a = np.array([
[1, 2],
[3, 4]
])
a
b = np.array([
[5, 6],
[7, 8]
])
b
np.stack((a, b), 0)
np.stack((a, b), 1)
numpy.hstack 是 numpy.stack 函数的变体,它通过水平堆叠来生成数组
import numpy as np
np.hstack((a, b))
numpy.vstack 是 numpy.stack 函数的变体,它通过垂直堆叠来生成数组
import numpy as np
np.vstack((a, b))
"""
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 函数沿特定的轴将数组分割为子数组
"""
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
"""
import numpy as np
a = np.arange(9)
a
b = np.split(a, 3)
b
b = np.split(a, [4, 7])
b
import numpy as np
a = np.arange(16).reshape(4, 4)
a
np.split(a, 2)
np.split(a, 2, 1)
np.hsplit(a, 2)
harr = np.floor(10 * np.random.random((2, 6)))
harr
np.hsplit(harr, 3)
np.vsplit(harr, 2)
"""
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 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
import numpy as np
a = np.array([
[1, 2, 3],
[4, 5, 6]
])
a
a.shape
b = np.resize(a, (3, 2))
b
b.shape
b = np.resize(a, (3, 3))
b
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。|
"""
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)。
"""
import numpy as np
a = np.array([
[1, 2, 3],
[4, 5, 6]
])
a
np.append(a, [7, 8, 9])
np.append(a, [[7, 8, 9]], axis=0)
np.append(a, [[5,5,5],[7, 8, 9]], axis=1)
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
import numpy as np
a = np.array([
[1,2],
[3,4],
[5, 6]
])
a
np.insert(a, 3, [11,12])
np.insert(a, 1, [11], axis=0)
np.insert(a, 1, [11], axis=1)
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
"""
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
"""
import numpy as np
a = np.arange(12).reshape((3, 4))
a
np.delete(a, 5)
np.delete(a, 1, axis=0)
np.delete(a, 1, axis=1)
a = np.arange(1, 11)
a
np.delete(a, np.s_[::2])
numpy.unique 函数用于去除数组中的重复元素
"""
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
"""
import numpy as np
a = np.array([5,2,6,2,7,6,8,2,9])
a
u = np.unique(a)
u
u, indices = np.unique(a, return_index=True)
u
indices
a[indices]
u, indices = np.unique(a, return_counts=True)
u
a
indices