四、数组操作

1、修改数组形状

reshape()函数

原型：reshape(shape,order=‘C’)

作用：不改变数据的条件下修改形状

参数	描述
shape	形状
order	‘C’–按行；‘F’–按列；‘A’–按原顺序，‘k’–元素在内存中的出现顺序

flat

数组元素迭代器

import numpy as np

arr = np.arange(1, 100, 5).reshape((4, 5))
print(arr)
# arr.flat相当于np.nditer(order='C')迭代
for element in arr.flat:
    print(element, end=",")

[[ 1 6 11 16 21]
[26 31 36 41 46]
[51 56 61 66 71]
[76 81 86 91 96]]
1,6,11,16,21,26,31,36,41,46,51,56,61,66,71,76,81,86,91,96,

flatten()函数

原型：flatten(order=‘C’)

作用：返回一份数组拷贝，对拷贝所做的修改不会影响原数组；

import numpy as np
arr1 = np.arange(12).reshape((3, 4))
print(arr1.flatten(order='F'))
print(arr1)

[ 0 4 8 1 5 9 2 6 10 3 7 11]
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]

ravel()函数

原型：numpy.ravel(order=‘C’)

作用：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

此处的影响原始数组：原因在于，新的数组和原始数组公用同一组地址；并且只有在order='C’时才会影响原始数组。

2、翻转数组

转置T和转置函数transpose()

import numpy as np
print(f"使用转置T ：\n {arr.T}")
print(f"使用转置方法np.transpose():\n"
      f"{np.transpose(arr)}")
for x in np.nditer(np.transpose(arr)):
    print(x, end=",")
print("")
# 使用copy进行行优先内存排列
b = arr.T.copy(order='C')
for x in np.nditer(np.transpose(b)):
    print(x, end=",")
print("")

使用转置T ：
[[ 2 12]
[ 4 14]
[ 6 16]
[ 8 18]
[10 20]]
使用转置方法np.transpose():
[[ 2 12]
[ 4 14]
[ 6 16]
[ 8 18]
[10 20]]
2,4,6,8,10,12,14,16,18,20,
2,12,4,14,6,16,8,18,10,20,

rollaxis()函数

原型：rollaxis(a,axis,start=0)

作用：向后滚动特定的轴到一个特定位置

参数	说明
a	需要操作的数组
axis	要向后滚动的轴，其他轴的相对位置不会改变
start	默认为零，表示完整的滚动 会滚动到特定的位置

axis为要变动的轴

start为要交换的轴

import numpy as np
arr1 = np.arange(24).reshape(2, 3, 4)
print(arr1)
print("+++++++++++++++++++++++++++")
b = np.rollaxis(arr1,2,1)
print(b)
print(b.shape)

[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]

[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]]
+++++++++++++++++++++++++++
[[[ 0 4 8]
[ 1 5 9]
[ 2 6 10]
[ 3 7 11]]

[[12 16 20]
[13 17 21]
[14 18 22]
[15 19 23]]]
(2, 4, 3)

swapaxes()函数

原型：swapaxes(a,axis1,axis2)

作用:交换数组的两个轴

参数	说明
a	要操作的数组
axis1	对应第一个轴的整数
axis2	对应第二个轴的整数

arr1 = np.arange(24).reshape(2, 3, 4)
print(arr1)
print("+++++++++++++++++++++++++++")
c = np.swapaxes(arr1,1,2)
print(c)
print(c.shape)

[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]

[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]]

+++++++++++++++++++++++++++
[[[ 0 4 8]
[ 1 5 9]
[ 2 6 10]
[ 3 7 11]]

[[12 16 20]
[13 17 21]
[14 18 22]
[15 19 23]]]
(2, 4, 3)

3、修改数组维度

broadcast()

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据的结果。

x = np.array([[1], [2], [3]])
y = np.array([4, 5, 6])
print("原始x:")
print(x)
print("原始y：")
print(y)

print("对y广播x形成b对象：")
b = np.broadcast(x, y)
print(b)

r, c = b.iters
print(next(r), next(c))
print(b.shape)

原始x:
[[1]
[2]
[3]]
原始y：
[4 5 6]
对y广播x形成b对象：

1 4

(3, 3)

expand_dims()

原型 ：numpy.expend_dims(arr,axis=None)

作用：通过在指定位置插入新的轴来扩展数组形状

参数	说明
arr	输入数组
axis	新轴插入的位置

squeeze()

原型：numpy.squeeze(arr,axis)

作用：从给定数组的形状中删除一维的条目

报错：cannot select an axis to squeeze out which has size not equal to one

只有当要挤压的轴的大小为1时才有效，否则会丢失数据

4、连接数组

concatenate()

原型：numpy.concatenate((a1,a2,…),axis)

作用：用于沿指定轴连接相同形状的两个或多个数组

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

x = np.arange(1, 5).reshape((1, 2, 2))
y = np.arange(5, 9).reshape((1, 2, 2))

print(x[0][1])
print(y[0][1][1])
z = np.concatenate((x, y), axis=2)
print(z)

[3 4]
8
[[[1 2 5 6]
[3 4 7 8]]]

stack()

原型：numpy.stack(arrays,axis)

作用：用于沿新轴连接数组序列；组合后维度（ndim）增加1.

参数	说明
arrays	相同形状的数组序列
axis	数组中的轴，输入数据沿着它来堆叠

x = np.arange(1, 5).reshape((2, 2))
y = np.arange(5, 9).reshape((2, 2))
print(x)
print(y)
print("+++++++ axis = 0 ++++++++")
z = np.stack((x, y), axis=0)
print(z)
print(z.ndim, z.shape)
print("+++++++ axis = 1 ++++++++")
z = np.stack((x, y), axis=1)
print(z)
print(z.ndim, z.shape)

[[1 2]
[3 4]]
[[5 6]
[7 8]]
+++++++ axis = 0 ++++++++
[[[1 2]
[3 4]] //在此处不同

[[5 6]
[7 8]]]
3 (2, 2, 2)
+++++++ axis = 1 ++++++++
[[[1 2]
[5 6]] //在此处不同

[[3 4]
[7 8]]]
3 (2, 2, 2)

hstack()

numpy.stack函数的变体，它通过水平堆叠来生成数组。

即，np.concatenate((x, y), axis=1)相同；axis=1轴的大小相加

vstack()

numpy.stack函数的变体，它通过垂直堆叠来生成数组。

即，np.concatenate((x, y), axis=0)相同；axis=0轴的大小相加

5、分割数组

split()

原型：numpy.split(ary,indices_or_sections,axis=0)

作用：函数沿特定的轴将数组分割为子数组

参数	说明
ary	被分割的数组
indices_or_sections	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。

x = np.arange(0, 10).reshape(2, 5)
print(x)
a = np.split(x, 2, axis=0)
print(a)
for i in a:
    print(i.flatten())  # 将二维数组降为一维

[[0 1 2 3 4]
[5 6 7 8 9]]
[array([[0, 1, 2, 3, 4]]), array([[5, 6, 7, 8, 9]])]
[0 1 2 3 4]
[5 6 7 8 9]

hsplit()

用于水平分割数组，通过制定要返回的相同形状的数组数量来拆分元数组。

水平：axis=1；垂直：axis=0；

x = np.arange(0, 12).reshape(2, 6)
print(x)
a = np.split(x, 2, axis=1)
print(a)
b = np.hsplit(x, 2)
print(b)

[[ 0 1 2 3 4 5]
[ 6 7 8 9 10 11]]
[array([[0, 1, 2],
[6, 7, 8]]), array([[ 3, 4, 5],
[ 9, 10, 11]])]
[array([[0, 1, 2],
[6, 7, 8]]), array([[ 3, 4, 5],
[ 9, 10, 11]])]

vsplit()

沿着垂直轴分割，其分割方式与hsplit用法相同

即：np.split(x, 2, axis=0)

6、数组元素的添加与删除

resize()

原型：numpy.resize(arr,shape)

作用：返回指定大小的新数组; 根据内存的顺序来修改。

参数	说明
arr	要修改大小的数组
shape	返回数组的新形状

x = np.arange(6).reshape(2, 3)
print(x)

y = np.resize(x, (3, 2))
print(y)

[[0 1 2]
[3 4 5]]
[[0 1]
[2 3]
[4 5]]

append()

原型：numpy.append(arr,values,axis=None)

作用：在数组的末尾添加值；追加操作会分配整个数组，并把原来的数组赋值到新数组中；输入数组的维度必须匹配否则将生成ValueError

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，时横向加成，返回总是以为数组！当axis有定义的时候，分别为0和1的时候。为0的时候（列数要相同）。当axis为1时，数组是加在右边（行数需相同）

insert()

原型：numpy.insert(arr,obj,values,axis)

作用：在给定索引之前，沿给定轴在输入数组中插入值

注意：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。

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，如果没有提供，则输入的数组会被展开

x = np.arange(6).reshape(2, 3)
print(x)
y = np.insert(x, 3, [11, 12])
print(y)
z = np.insert(x, x.shape[0], [13, 21, 43], axis=0)
print(z)

[[0 1 2]
[3 4 5]]
[ 0 1 2 11 12 3 4 5]
[[ 0 1 2]
[ 3 4 5]
[13 21 43]]

delete()

原型：numpy.delete(arr,obj,axis)

作用：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

参数	说明
arr	输入数组
obj	可以被切片，整数或者整数数组，表面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

unique()

原型：numpy.unique(arr,return_index,return_inverse,return_counts)

作用：去除数组中的重复元素

参数	说明
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），并以列表形式存储
return_inverse	如果为true，返回旧列表元素在新列表中的位置（下标），并以列形式存储
return_counts	如果为true，返回去重数组中的元素在原数组中出现的次数

x = np.arange(6).reshape(2, 3)
x = np.resize(x, (3, 3))
print(x)
# return_counts：返回数值重复次数
y, z = np.unique(x, return_counts=True)
print(y)
print(z)

[[0 1 2]
[3 4 5]
[0 1 2]]
[0 1 2 3 4 5]
[2 2 2 1 1 1]

------ 以上内容均为学习笔记仅供参考，如有不准确或错误内容，望您批评指教。