数组操作
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 |
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。
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)