NumPy数组操作

您所在的位置：网站首页 › list转化为numpy数组 › NumPy数组操作

NumPy数组操作

#NumPy数组操作 | 来源: 网络整理| 查看: 265

NumPy - 数组操作

NumPy包中有几个例程用于处理ndarray对象中的元素。它们可以分为以下类型：

修改形状序号形状及描述 1. reshape 不改变数据的条件下修改形状 2. flat 数组上的一维迭代器 3. flatten 返回折叠为一维的数组副本 4. ravel 返回连续的展开数组 numpy.reshape

这个函数在不改变数据的条件下修改形状，它接受如下参数：

numpy.reshape(arr, newshape, order')

其中：

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'为 C 风格顺序，'F'为 F 风格顺序，'A'为保留原顺序。

例子

import numpy as np a = np.arange(8) print '原始数组：' print a print '\n' b = a.reshape(4,2) print '修改后的数组：' print b

输出如下：

原始数组： [0 1 2 3 4 5 6 7] 修改后的数组： [[0 1] [2 3] [4 5] [6 7]] numpy.ndarray.flat

该函数返回数组上的一维迭代器，行为类似 Python 内建的迭代器。

例子

import numpy as np a = np.arange(8).reshape(2,4) print '原始数组：' print a print '\n' print '调用 flat 函数之后：' # 返回展开数组中的下标的对应元素 print a.flat[5]

输出如下：

原始数组： [[0 1 2 3] [4 5 6 7]] 调用 flat 函数之后： 5 numpy.ndarray.flatten

该函数返回折叠为一维的数组副本，函数接受下列参数：

ndarray.flatten(order)

其中：

order：'C' — 按行，'F' — 按列，'A' — 原顺序，'k' — 元素在内存中的出现顺序。

例子

import numpy as np a = np.arange(8).reshape(2,4) print '原数组：' print a print '\n' # default is column-major print '展开的数组：' print a.flatten() print '\n' print '以 F 风格顺序展开的数组：' print a.flatten(order = 'F')

输出如下：

原数组： [[0 1 2 3] [4 5 6 7]] 展开的数组： [0 1 2 3 4 5 6 7] 以 F 风格顺序展开的数组： [0 4 1 5 2 6 3 7] numpy.ravel

这个函数返回展开的一维数组，并且按需生成副本。返回的数组和输入数组拥有相同数据类型。这个函数接受两个参数。

numpy.ravel(a, order)

构造器接受下列参数：

order：'C' — 按行，'F' — 按列，'A' — 原顺序，'k' — 元素在内存中的出现顺序。

例子

import numpy as np a = np.arange(8).reshape(2,4) print '原数组：' print a print '\n' print '调用 ravel 函数之后：' print a.ravel() print '\n' print '以 F 风格顺序调用 ravel 函数之后：' print a.ravel(order = 'F') 原数组： [[0 1 2 3] [4 5 6 7]] 调用 ravel 函数之后： [0 1 2 3 4 5 6 7] 以 F 风格顺序调用 ravel 函数之后： [0 4 1 5 2 6 3 7] 翻转操作序号操作及描述 1. transpose 翻转数组的维度 2. ndarray.T 和self.transpose()相同 3. rollaxis 向后滚动指定的轴 4. swapaxes 互换数组的两个轴 numpy.transpose

这个函数翻转给定数组的维度。如果可能的话它会返回一个视图。函数接受下列参数：

numpy.transpose(arr, axes)

其中：

arr：要转置的数组axes：整数的列表，对应维度，通常所有维度都会翻转。

例子

import numpy as np a = np.arange(12).reshape(3,4) print '原数组：' print a print '\n' print '转置数组：' print np.transpose(a)

输出如下：

原数组： [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] 转置数组： [[ 0 4 8] [ 1 5 9] [ 2 6 10] [ 3 7 11]] numpy.ndarray.T

该函数属于ndarray类，行为类似于numpy.transpose。

例子

import numpy as np a = np.arange(12).reshape(3,4) print '原数组：' print a print '\n' print '转置数组：' print a.T

输出如下：

原数组： [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] 转置数组： [[ 0 4 8] [ 1 5 9] [ 2 6 10] [ 3 7 11]] numpy.rollaxis

该函数向后滚动特定的轴，直到一个特定位置。这个函数接受三个参数：

numpy.rollaxis(arr, axis, start)

其中：

arr：输入数组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。

例子

# 创建了三维的 ndarray import numpy as np a = np.arange(8).reshape(2,2,2) print '原数组：' print a print '\n' # 将轴 2 滚动到轴 0(宽度到深度) print '调用 rollaxis 函数：' print np.rollaxis(a,2) # 将轴 0 滚动到轴 1：(宽度到高度) print '\n' print '调用 rollaxis 函数：' print np.rollaxis(a,2,1)

输出如下：

原数组： [[[0 1] [2 3]] [[4 5] [6 7]]] 调用 rollaxis 函数： [[[0 2] [4 6]] [[1 3] [5 7]]] 调用 rollaxis 函数： [[[0 2] [1 3]] [[4 6] [5 7]]] numpy.swapaxes

该函数交换数组的两个轴。对于 1.10 之前的 NumPy 版本，会返回交换后数组的试图。这个函数接受下列参数：

numpy.swapaxes(arr, axis1, axis2) arr：要交换其轴的输入数组axis1：对应第一个轴的整数axis2：对应第二个轴的整数 # 创建了三维的 ndarray import numpy as np a = np.arange(8).reshape(2,2,2) print '原数组：' print a print '\n' # 现在交换轴 0(深度方向)到轴 2(宽度方向) print '调用 swapaxes 函数后的数组：' print np.swapaxes(a, 2, 0)

输出如下：

原数组： [[[0 1] [2 3]] [[4 5] [6 7]]] 调用 swapaxes 函数后的数组： [[[0 4] [2 6]] [[1 5] [3 7]]] 修改维度序号维度和描述 1. broadcast 产生模仿广播的对象 2. broadcast_to 将数组广播到新形状 3. expand_dims 扩展数组的形状 4. squeeze 从数组的形状中删除单维条目 broadcast

如前所述，NumPy 已经内置了对广播的支持。此功能模仿广播机制。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。下面的例子说明了它的用法。

import numpy as np x = np.array([[1], [2], [3]]) y = np.array([4, 5, 6]) # 对 y 广播 x b = np.broadcast(x,y) # 它拥有 iterator 属性，基于自身组件的迭代器元组 print '对 y 广播 x：' r,c = b.iters print r.next(), c.next() print r.next(), c.next() print '\n' # shape 属性返回广播对象的形状 print '广播对象的形状：' print b.shape print '\n' # 手动使用 broadcast 将 x 与 y 相加 b = np.broadcast(x,y) c = np.empty(b.shape) print '手动使用 broadcast 将 x 与 y 相加：' print c.shape print '\n' c.flat = [u + v for (u,v) in b] print '调用 flat 函数：' print c print '\n' # 获得了和 NumPy 内建的广播支持相同的结果 print 'x 与 y 的和：' print x + y

输出如下：

对 y 广播 x： 1 4 1 5 广播对象的形状： (3, 3) 手动使用 broadcast 将 x 与 y 相加： (3, 3) 调用 flat 函数： [[ 5. 6. 7.] [ 6. 7. 8.] [ 7. 8. 9.]] x 与 y 的和： [[5 6 7] [6 7 8] [7 8 9]] numpy.broadcast_to

此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。

注意 - 此功能可用于 1.10.0 及以后的版本。

该函数接受以下参数。

numpy.broadcast_to(array, shape, subok)

例子

import numpy as np a = np.arange(4).reshape(1,4) print '原数组：' print a print '\n' print '调用 broadcast_to 函数之后：' print np.broadcast_to(a,(4,4))

输出如下：

[[0 1 2 3] [0 1 2 3] [0 1 2 3] [0 1 2 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。该函数需要两个参数：

numpy.expand_dims(arr, axis)

其中：

arr：输入数组axis：新轴插入的位置

例子

import numpy as np x = np.array(([1,2],[3,4])) print '数组 x：' print x print '\n' y = np.expand_dims(x, axis = 0) print '数组 y：' print y print '\n' print '数组 x 和 y 的形状：' print x.shape, y.shape print '\n' # 在位置 1 插入轴 y = np.expand_dims(x, axis = 1) print '在位置 1 插入轴之后的数组 y：' print y print '\n' print 'x.ndim 和 y.ndim：' print x.ndim,y.ndim print '\n' print 'x.shape 和 y.shape：' print x.shape, y.shape

输出如下：

数组 x： [[1 2] [3 4]] 数组 y： [[[1 2] [3 4]]] 数组 x 和 y 的形状： (2, 2) (1, 2, 2) 在位置 1 插入轴之后的数组 y： [[[1 2]] [[3 4]]] x.shape 和 y.shape： 2 3 x.shape and y.shape: (2, 2) (2, 1, 2) numpy.squeeze

函数从给定数组的形状中删除一维条目。此函数需要两个参数。

numpy.squeeze(arr, axis)

其中：

arr：输入数组axis：整数或整数元组，用于选择形状中单一维度条目的子集

例子

import numpy as np x = np.arange(9).reshape(1,3,3) print '数组 x：' print x print '\n' y = np.squeeze(x) print '数组 y：' print y print '\n' print '数组 x 和 y 的形状：' print x.shape, y.shape

输出如下：

数组 x： [[[0 1 2] [3 4 5] [6 7 8]]] 数组 y： [[0 1 2] [3 4 5] [6 7 8]] 数组 x 和 y 的形状： (1, 3, 3) (3, 3) 数组的连接序号数组及描述 1. concatenate 沿着现存的轴连接数据序列 2. stack 沿着新轴连接数组序列 3. hstack 水平堆叠序列中的数组(列方向) 4. vstack 竖直堆叠序列中的数组(行方向) numpy.concatenate

数组的连接是指连接。此函数用于沿指定轴连接相同形状的两个或多个数组。该函数接受以下参数。

numpy.concatenate((a1, a2, ...), axis)

其中：

a1, a2, ...：相同类型的数组序列axis：沿着它连接数组的轴，默认为 0

例子

import numpy as np a = np.array([[1,2],[3,4]]) print '第一个数组：' print a print '\n' b = np.array([[5,6],[7,8]]) print '第二个数组：' print b print '\n' # 两个数组的维度相同 print '沿轴 0 连接两个数组：' print np.concatenate((a,b)) print '\n' print '沿轴 1 连接两个数组：' print np.concatenate((a,b),axis = 1)

输出如下：

第一个数组： [[1 2] [3 4]] 第二个数组： [[5 6] [7 8]] 沿轴 0 连接两个数组： [[1 2] [3 4] [5 6] [7 8]] 沿轴 1 连接两个数组： [[1 2 5 6] [3 4 7 8]] numpy.stack

此函数沿新轴连接数组序列。此功能添加自 NumPy 版本 1.10.0。需要提供以下参数。

numpy.stack(arrays, axis)

其中：

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]]) print '第一个数组：' print a print '\n' b = np.array([[5,6],[7,8]]) print '第二个数组：' print b print '\n' print '沿轴 0 堆叠两个数组：' print np.stack((a,b),0) print '\n' print '沿轴 1 堆叠两个数组：' print np.stack((a,b),1)

输出如下：

第一个数组： [[1 2] [3 4]] 第二个数组： [[5 6] [7 8]] 沿轴 0 堆叠两个数组： [[[1 2] [3 4]] [[5 6] [7 8]]] 沿轴 1 堆叠两个数组： [[[1 2] [5 6]] [[3 4] [7 8]]] numpy.hstack

numpy.stack函数的变体，通过堆叠来生成水平的单个数组。

例子

import numpy as np a = np.array([[1,2],[3,4]]) print '第一个数组：' print a print '\n' b = np.array([[5,6],[7,8]]) print '第二个数组：' print b print '\n' print '水平堆叠：' c = np.hstack((a,b)) print c print '\n'

输出如下：

第一个数组： [[1 2] [3 4]] 第二个数组： [[5 6] [7 8]] 水平堆叠： [[1 2 5 6] [3 4 7 8]] numpy.vstack

numpy.stack函数的变体，通过堆叠来生成竖直的单个数组。

import numpy as np a = np.array([[1,2],[3,4]]) print '第一个数组：' print a print '\n' b = np.array([[5,6],[7,8]]) print '第二个数组：' print b print '\n' print '竖直堆叠：' c = np.vstack((a,b)) print c

输出如下：

第一个数组： [[1 2] [3 4]] 第二个数组： [[5 6] [7 8]] 竖直堆叠： [[1 2] [3 4] [5 6] [7 8]] 数组分割序号数组及操作 1. split 将一个数组分割为多个子数组 2. hsplit 将一个数组水平分割为多个子数组(按列) 3. vsplit 将一个数组竖直分割为多个子数组(按行) numpy.split

该函数沿特定的轴将数组分割为子数组。函数接受三个参数：

numpy.split(ary, indices_or_sections, axis)

其中：

ary：被分割的输入数组indices_or_sections：可以是整数，表明要从输入数组创建的，等大小的子数组的数量。如果此参数是一维数组，则其元素表明要创建新子数组的点。axis：默认为 0

例子

import numpy as np a = np.arange(9) print '第一个数组：' print a print '\n' print '将数组分为三个大小相等的子数组：' b = np.split(a,3) print b print '\n' print '将数组在一维数组中表明的位置分割：' b = np.split(a,[4,7]) print b

输出如下：

第一个数组： [0 1 2 3 4 5 6 7 8] 将数组分为三个大小相等的子数组： [array([0, 1, 2]), array([3, 4, 5]), array([6, 7, 8])] 将数组在一维数组中表明的位置分割： [array([0, 1, 2, 3]), array([4, 5, 6]), array([7, 8])] numpy.hsplit

numpy.hsplit是split()函数的特例，其中轴为 1 表示水平分割，无论输入数组的维度是什么。

import numpy as np a = np.arange(16).reshape(4,4) print '第一个数组：' print a print '\n' print '水平分割：' b = np.hsplit(a,2) print b print '\n'

输出：

第一个数组： [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11] [12 13 14 15]] 水平分割： [array([[ 0, 1], [ 4, 5], [ 8, 9], [12, 13]]), array([[ 2, 3], [ 6, 7], [10, 11], [14, 15]])] numpy.vsplit

numpy.vsplit是split()函数的特例，其中轴为 0 表示竖直分割，无论输入数组的维度是什么。下面的例子使之更清楚。

import numpy as np a = np.arange(16).reshape(4,4) print '第一个数组：' print a print '\n' print '竖直分割：' b = np.vsplit(a,2) print b

输出如下：

第一个数组： [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11] [12 13 14 15]] 竖直分割： [array([[0, 1, 2, 3], [4, 5, 6, 7]]), array([[ 8, 9, 10, 11], [12, 13, 14, 15]])] 添加/删除元素序号元素及描述 1. resize 返回指定形状的新数组 2. append 将值添加到数组末尾 3. insert 沿指定轴将值插入到指定下标之前 4. delete 返回删掉某个轴的子数组的新数组 5. unique 寻找数组内的唯一元素 numpy.resize

此函数返回指定大小的新数组。如果新大小大于原始大小，则包含原始数组中的元素的重复副本。该函数接受以下参数。

numpy.resize(arr, shape)

其中：

arr：要修改大小的输入数组shape：返回数组的新形状

例子

import numpy as np a = np.array([[1,2,3],[4,5,6]]) print '第一个数组：' print a print '\n' print '第一个数组的形状：' print a.shape print '\n' b = np.resize(a, (3,2)) print '第二个数组：' print b print '\n' print '第二个数组的形状：' print b.shape print '\n' # 要注意 a 的第一行在 b 中重复出现，因为尺寸变大了 print '修改第二个数组的大小：' b = np.resize(a,(3,3)) print b

输出如下：

第一个数组： [[1 2 3] [4 5 6]] 第一个数组的形状： (2, 3) 第二个数组： [[1 2] [3 4] [5 6]] 第二个数组的形状： (3, 2) 修改第二个数组的大小： [[1 2 3] [4 5 6] [1 2 3]] numpy.append

此函数在输入数组的末尾添加值。附加操作不是原地的，而是分配新的数组。此外，输入数组的维度必须匹配否则将生成ValueError。

函数接受下列函数：

numpy.append(arr, values, axis)

其中：

arr：输入数组values：要向arr添加的值，比如和arr形状相同(除了要添加的轴)axis：沿着它完成操作的轴。如果没有提供，两个参数都会被展开。

例子

import numpy as np a = np.array([[1,2,3],[4,5,6]]) print '第一个数组：' print a print '\n' print '向数组添加元素：' print np.append(a, [7,8,9]) print '\n' print '沿轴 0 添加元素：' print np.append(a, [[7,8,9]],axis = 0) print '\n' print '沿轴 1 添加元素：' print np.append(a, [[5,5,5],[7,8,9]],axis = 1)

输出如下：

第一个数组： [[1 2 3] [4 5 6]] 向数组添加元素： [1 2 3 4 5 6 7 8 9] 沿轴 0 添加元素： [[1 2 3] [4 5 6] [7 8 9]] 沿轴 1 添加元素： [[1 2 3 5 5 5] [4 5 6 7 8 9]] numpy.insert

此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。

insert()函数接受以下参数：

numpy.insert(arr, obj, values, axis)

其中：

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

例子

import numpy as np a = np.array([[1,2],[3,4],[5,6]]) print '第一个数组：' print a print '\n' print '未传递 Axis 参数。在插入之前输入数组会被展开。' print np.insert(a,3,[11,12]) print '\n' print '传递了 Axis 参数。会广播值数组来配输入数组。' print '沿轴 0 广播：' print np.insert(a,1,[11],axis = 0) print '\n' print '沿轴 1 广播：' print np.insert(a,1,11,axis = 1) numpy.delete

此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。该函数接受以下参数：

Numpy.delete(arr, obj, axis)

其中：

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

例子

import numpy as np a = np.arange(12).reshape(3,4) print '第一个数组：' print a print '\n' print '未传递 Axis 参数。在插入之前输入数组会被展开。' print np.delete(a,5) print '\n' print '删除第二列：' print np.delete(a,1,axis = 1) print '\n' print '包含从数组中删除的替代值的切片：' a = np.array([1,2,3,4,5,6,7,8,9,10]) print np.delete(a, np.s_[::2])

输出如下：

第一个数组： [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] 未传递 Axis 参数。在插入之前输入数组会被展开。 [ 0 1 2 3 4 6 7 8 9 10 11] 删除第二列： [[ 0 2 3] [ 4 6 7] [ 8 10 11]] 包含从数组中删除的替代值的切片： [ 2 4 6 8 10] numpy.unique

此函数返回输入数组中的去重元素数组。该函数能够返回一个元组，包含去重数组和相关索引的数组。索引的性质取决于函数调用中返回参数的类型。

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

其中：

arr：输入数组，如果不是一维数组则会展开return_index：如果为true，返回输入数组中的元素下标return_inverse：如果为true，返回去重数组的下标，它可以用于重构输入数组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

例子

import numpy as np a = np.array([5,2,6,2,7,5,6,8,2,9]) print '第一个数组：' print a print '\n' print '第一个数组的去重值：' u = np.unique(a) print u print '\n' print '去重数组的索引数组：' u,indices = np.unique(a, return_index = True) print indices print '\n' print '我们可以看到每个和原数组下标对应的数值：' print a print '\n' print '去重数组的下标：' u,indices = np.unique(a,return_inverse = True) print u print '\n' print '下标为：' print indices print '\n' print '使用下标重构原数组：' print u[indices] print '\n' print '返回去重元素的重复数量：' u,indices = np.unique(a,return_counts = True) print u print indices

输出如下：

第一个数组： [5 2 6 2 7 5 6 8 2 9] 第一个数组的去重值： [2 5 6 7 8 9] 去重数组的索引数组： [1 0 2 4 7 9] 我们可以看到每个和原数组下标对应的数值： [5 2 6 2 7 5 6 8 2 9] 去重数组的下标： [2 5 6 7 8 9] 下标为： [1 0 2 0 3 1 2 4 0 5] 使用下标重构原数组： [5 2 6 2 7 5 6 8 2 9] 返回唯一元素的重复数量： [2 5 6 7 8 9] [3 2 2 1 1 1]

上一篇： NumPy在数组上的迭代下一篇： NumPy位操作加QQ群啦，易百教程官方技术学习群注意：建议每个人选自己的技术方向加群，同一个QQ最多限加 3 个群。

【本文地址】

公司简介

联系我们