Numpy 数组操作
Numpy 中包含了一些函数用于处理数组，大概可分为以下几类：
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。
实例
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)
输出结果如下：
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
numpy.ndarray.flat 是一个数组元素迭代器，实例如下:实例
import numpy as np a = np.arange(9).reshape(3,3) print ('原始数组：')for row in a: 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 a.flat: print (element)
输出结果如下：
原始数组：[0 1 2][3 4 5][6 7 8]迭代后的数组：012345678
numpy.ndarray.flatten
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，格式如下：
ndarray.flatten(order='C')
参数说明：
- order：'C' -- 按行，'F' -- 按列，'A' -- 原顺序，'K' -- 元素在内存中的出现顺序。
实例
import numpy as np a = np.arange(8).reshape(2,4) print ('原数组：')print (a)print ('\n')# 默认按行 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'))
输出结果如下：
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
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。
该函数接收两个参数：
numpy.ravel(a, order='C')
参数说明：
- order：'C' -- 按行，'F' -- 按列，'A' -- 原顺序，'K' -- 元素在内存中的出现顺序。
实例
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'))
输出结果如下：
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 |
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。
实例
import numpy as np a = np.arange(12).reshape(3,4) print ('原数组：')print (a )print ('\n') print ('对换数组：')print (np.transpose(a))
输出结果如下：
原数组：[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]]对换数组：[[ 0 4 8] [ 1 5 9] [ 2 6 10] [ 3 7 11]]
numpy.ndarray.T 类似 numpy.transpose：
实例
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)
输出结果如下：
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
numpy.rollaxis 函数向后滚动特定的轴到一个特定位置，格式如下：
numpy.rollaxis(arr, axis, start)
参数说明：
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。
实例
import numpy as np # 创建了三维的 ndarraya = np.arange(8).reshape(2,2,2) print ('原数组：')print (a)print ('获取数组中一个值：')print(np.where(a==6)) print(a[1,1,0]) # 为 6print ('\n') # 将轴 2 滚动到轴 0（宽度到深度） print ('调用 rollaxis 函数：')b = np.rollaxis(a,2,0)print (b)# 查看元素 a[1,1,0]，即 6 的坐标，变成 [0, 1, 1]# 最后一个 0 移动到最前面print(np.where(b==6)) print ('\n') # 将轴 2 滚动到轴 1：（宽度到高度） print ('调用 rollaxis 函数：')c = np.rollaxis(a,2,1)print (c)# 查看元素 a[1,1,0]，即 6 的坐标，变成 [1, 0, 1]# 最后的 0 和 它前面的 1 对换位置print(np.where(c==6)) print ('\n')
输出结果如下：
原数组：[[[0 1] [2 3]] [[4 5] [6 7]]]获取数组中一个值：(array([1]), array([1]), array([0]))6调用 rollaxis 函数：[[[0 2] [4 6]] [[1 3] [5 7]]](array([0]), array([1]), array([1]))调用 rollaxis 函数：[[[0 2] [1 3]] [[4 6] [5 7]]](array([1]), array([0]), array([1]))
numpy.swapaxes
numpy.swapaxes 函数用于交换数组的两个轴，格式如下：
numpy.swapaxes(arr, axis1, axis2)
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
实例
import numpy as np # 创建了三维的 ndarraya = 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))
输出结果如下：
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]]]
修改数组维度
| 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 |
numpy.broadcast
numpy.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组的结果。
该函数使用两个数组作为输入参数，如下实例：
实例
import numpy as np x = np.array([[1], [2], [3]])y = np.array([4, 5, 6]) # 对 y 广播 xb = 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 # Python3.x 为 next(context) ，Python2.x 为 context.next()print (next(r), next(c))print (next(r), next(c))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)
输出结果为：
对 y 广播 x：1 41 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
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。
numpy.broadcast_to(array, shape, subok)
实例
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)))
输出结果为：
原数组：[[0 1 2 3]]调用 broadcast_to 函数之后：[[0 1 2 3] [0 1 2 3] [0 1 2 3] [0 1 2 3]]
numpy.expand_dims
numpy.expand_dims 函数通过在指定位置插入新的轴来扩展数组形状，函数格式如下:
numpy.expand_dims(arr, axis)
参数说明：
arr：输入数组axis：新轴插入的位置
实例
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)
输出结果为：
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.ndim 和 y.ndim：2 3x.shape 和 y.shape：(2, 2) (2, 1, 2)
numpy.squeeze
numpy.squeeze 函数从给定数组的形状中删除一维的条目，函数格式如下：
numpy.squeeze(arr, axis)
参数说明：
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
实例
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)
输出结果为：
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)
连接数组
| 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
实例
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))
输出结果为：
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
numpy.stack 函数用于沿新轴连接数组序列，格式如下：
numpy.stack(arrays, axis)
参数说明：
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
实例
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))
输出结果如下：
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.hstack 是 numpy.stack 函数的变体，它通过水平堆叠来生成数组。
实例
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')
输出结果如下：
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.vstack 是 numpy.stack 函数的变体，它通过垂直堆叠来生成数组。实例
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)
输出结果为：
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]]
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：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：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
实例
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)
输出结果为：
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 函数用于水平分割数组，通过指定要返回的相同形状的数组数量来拆分原数组。
实例
import numpy as np harr = np.floor(10 * np.random.random((2, 6)))print ('原array：')print(harr) print ('拆分后：')print(np.hsplit(harr, 3))
输出结果为：
原array：[[4. 7. 6. 3. 2. 6.] [6. 3. 6. 7. 9. 7.]]拆分后：[array([[4., 7.], [6., 3.]]), array([[6., 3.], [6., 7.]]), array([[2., 6.], [9., 7.]])]
numpy.vsplit
numpy.vsplit 沿着垂直轴分割，其分割方式与hsplit用法相同。
实例
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)
输出结果为：
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]])]
数组元素的添加与删除
| 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
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
实例
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)
输出结果为：
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
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）。
实例
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))
输出结果为：
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
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
实例
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))
输出结果如下：
第一个数组：[[1 2] [3 4] [5 6]]未传递 Axis 参数。 在插入之前输入数组会被展开。[ 1 2 3 11 12 4 5 6]传递了 Axis 参数。 会广播值数组来配输入数组。沿轴 0 广播：[[ 1 2] [11 11] [ 3 4] [ 5 6]]沿轴 1 广播：[[ 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
实例
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]))
输出结果为：
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
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
实例
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)
输出结果为：
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]返回去重元素的重复数量：[2 5 6 7 8 9][3 2 2 1 1 1]