numpy系列(2)-数组的基本操作

按序号查看

  • 1.改变数组形状
  • 2.数组展开
  • 3.轴移动
  • 4.轴交换
  • 5.数组转置
  • 6.维度改变
  • 7.类型转换
  • 8.数组连接
  • 9.数组堆叠
  • 10.数组拆分
  • 11.元素删除
  • 12.插入
  • 13.附加
  • 14.重设尺寸
  • 15.翻转数组

0. NumPy 数组图示

注意axis定义,shape返回的大小与axis轴对应

numpy系列(2)-数组的基本操作_第1张图片
Python NumPy可视化图解(上)
Python NumPy可视化图解(中)
Python NumPy可视化图解(下)




1. 改变数组形状

reshape 可以在不改变数组数据的同时,改变数组的形状:

numpy.reshape(a, newshape)  //newshape 用于指定新的形状(整数或者元组)。

2. 数组展开

目的是将任意形状的数组扁平化,变为 1 维数组

numpy.ravel(a, order='C')
a.ravel()   //同方法
//order 表示变换时的读取顺序,默认是按行依次读取,当 ='F' 时,可以按列依次读取排序。

3. 轴移动

numpy.moveaxis(a, source, destination)
    • a:数组。
	• source:要移动的轴的原始位置。
	• destination:要移动的轴的目标位置。
example:
    	a = np.ones((1, 2, 3))      // a.shape=(1,2,3)
    	np.moveaxis(a, 0, -1)      // a.shape=(2,3,1)  将0轴移到末端

4. 轴交换

numpy.swapaxes(a, axis1, axis2)
	• a:数组。
	• axis1:需要交换的轴 1 位置。
	• axis2:需要与轴 1 交换位置的轴 1 位置。

5. 数组(矩阵)转置、求逆

np.linalg.inv(A)  //求逆

a.T  //转置
numpy.transpose(a, axes=None)  //转置
    • axis:该值默认为'none',表示转置。如果有值,那么则按照值替换轴。

example:(axis无值则与转置同效果)
    	a = np.arange(9).reshape(3,3)      //a.shape=(0,1,2)
    	b=np.transpose(a, (1,0,2))         //a.shape=(1,0,2)

6. 维度改变

将输入数据直接视为 x维。这里的 x 可以表示:1,2,3。方法分别为:

numpy.atleast_1d()      
numpy.atleast_2d()
numpy.atleast_3d()
	
example:
    	np.atleast_3d([7, 8, 9,7,5,1,2,4,8,5,3])
    	
    	结果:
    	    array[[[7]
                   [8]
                   [9]
                   [7]
                   [5]
                   [1]
                   [2]
                   [4]
                   [8]
                   [5]
                   [3]]]

7. 类型转换

在 NumPy中,还有一系列以as 开头的方法,它们可以将特定输入转换为数组,亦可将数组转换为矩阵、标量,ndarray 等

a.tolist():转换为python的list类型
np.mat(A):将A转为矩阵mat类型asarray(a,dtype,order):将特定输入转换为数组。
asanyarray(a,dtype,order):将特定输入转换为 ndarray。
asmatrix(data,dtype):将特定输入转换为矩阵。
asfarray(a,dtype):将特定输入转换为 float 类型的数组。
asarray_chkfinite(a,dtype,order):将特定输入转换为数组,检查NaN或infs。
asscalar(a):将大小为 1 的数组转换为标量。

8. 数组连接

numpy.concatenate((a1, a2, ...), axis=0)
	• (a1, a2, ...):需要连接的数组。
	• axis:指定连接轴。
	
example:按axis=0轴连接
    	a = np.array([[1, 2], [3, 4], [5, 6]])
    	b = np.array([[7, 8], [9, 10]])
    	c = np.array([[11, 12]])
    	np.concatenate((a, b, c), axis=0)
    	
        结果:array([[ 1,  2],
                     [ 3,  4],
                     [ 5,  6],
                     [ 7,  8],
                     [ 9, 10],
                     [11, 12]])
               
example:按axis=1轴连接
    	a = np.array([[1, 2], [3, 4], [5, 6]])
    	b = np.array([[7, 8, 9]])
    	np.concatenate((a, b.T), axis=1)
    	
    	结果:array([[1, 2, 7],
                     [3, 4, 8],
                     [5, 6, 9]])

9. 数组堆叠

stack(arrays,axis):沿着新轴连接数组的序列。
column_stack():将 1 维数组作为列堆叠到 2 维数组中。
hstack():按水平方向堆叠数组。
vstack():按垂直方向堆叠数组。
dstack():按深度方向堆叠数组。

example :
    	a = np.array([1, 2, 3])
    	b = np.array([4, 5, 6])
    	np.stack((a, b))    //默认axis=0
    	
    	结果:array([[1, 2, 3],
                     [4, 5, 6]])
example :     
    	np.stack((a, b), axis=-1)   //因为维度为二维,axis=-1等效axis=1
    	
    	结果:array([[1, 4],
                     [2, 5],
                     [3, 6]])

10. 数组拆分

split(ary,indices_or_sections,axis):将数组拆分为多个子数组,indices_or_sections拆成几份
dsplit(ary,indices_or_sections):按深度方向将数组拆分成多个子数组。
hsplit(ary,indices_or_sections):按水平方向将数组拆分成多个子数组。
vsplit(ary,indices_or_sections):按垂直方向将数组拆分成多个子数组。

example:
        a = np.arange(10).reshape(2, 5)
        np.split(a, 2)
        
        结果:[array([[0, 1, 2, 3, 4]]), array([[5, 6, 7, 8, 9]])]

11. 删除元素

delete(arr,obj,axis):沿特定轴删除数组中的子数组

example:
        delete(a, 2, 1):删除a中第3列

12. 插入

insert(arr,obj,values,axis):依据索引在特定轴之前插入值。
example:
    	a = np.arange(12).reshape(3, 4)
    	b = np.arange(4)
    	np.insert(a, 2, b, 0)
    	
    	结果:
    		array([[ 0,  1,  2,  3],
                   [ 4,  5,  6,  7],
                   [ 0,  1,  2,  3],
                   [ 8,  9, 10, 11]])

13. 附加:相当于在末端插入

append(arr,values,axis):将值附加到数组的末尾,并返回 1 维数组(即展开)。

example:
    	a = np.arange(6).reshape(2, 3)
    	b = np.arange(3)
    	np.append(a, b)
    	
    	结果:
    		array([0, 1, 2, 3, 4, 5, 0, 1, 2])

14. 重设尺寸

shape是相当于拷贝后变换,resize是直接对原数组动刀

resize(a,new_shape):对数组尺寸进行重新设定。

15. 翻转数组

fliplr(m):左右翻转数组。
flipud(m):上下翻转数组。

你可能感兴趣的:(numpy,python,numpy)