NumPy 教程（第 11 章）：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

• 翻转数组

• 修改数组维度

• 连接数组

• 分割数组

• 数组元素的添加与删除

修改数组形状

• 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 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')

参数说明：

• 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

示例：

In [1]: import numpy as np

In [2]: sum = np.arange(8)

In [3]: sum
Out[3]: array([0,1,2,3,4,5,6,7])

In [4]: sum.reshape(4,2)
Out[4]:
array([[0,1],[2,3],[4,5],[6,7]])

numpy.ndarray.flat 函数

是一个数组元素迭代器

In [1]: import numpy as np

In [2]: sum = np.arange(9).reshape(3,3)

In [3]: for row in sum:
   ...:     print(row)
   ...:
[0 1 2]
[3 4 5]
[6 7 8]

In [4]: for element in sum.flat:
   ...:     print(element)
   ...:
0
1
2
3
4
5
6
7
8

numpy.ndarray.flatten 函数

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

示例：

In [1]: import numpy as np

In [2]: sum = np.arange(8).reshape(2,4)

In [3]: sum
Out[3]:
array([[0,7]])

In [4]: sum.flatten()
Out[4]: array([0,7])

In [5]: sum.flatten(order='F')
Out[5]: array([0,7])

numpy.ravel 函数

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

numpy.ravel(num,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

示例：

In [1]: import numpy as np

In [2]: num = np.arange(8).reshape(2,4)

In [3]: num
Out[3]:
array([[0,7]])

In [4]: num.ravel()
Out[4]: array([0,7])

In [5]: num.ravel(order='F')
Out[5]: array([0,7])

翻转数组

• 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 函数

用于对换数组的维度，格式如下：

numpy.transpose(arr,axes)

• 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

示例：

In [1]: import numpy as np

In [2]: num = np.arange(12).reshape(3,4)

In [3]: num
Out[3]:
array([[ 0,[ 4,7],[ 8,9,10,11]])

In [4]: np.transpose(num)
Out[4]:
array([[ 0,8],[ 1,9],[ 2,10],[ 3,7,11]])

numpy.ndarray.T 类似 numpy.transpose

In [5]: num.T
Out[5]:
array([[ 0,11]])

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

示例：

In [1]: import numpy as np

In [2]: num = np.arange(8).reshape(2,2)

In [3]: num
Out[3]:
array([[[0,3]],[[4,7]]])

In [4]: np.rollaxis(num,2)
Out[4]:
array([[[0,2],6]],[[1,[5,7]]])

In [5]: np.rollaxis(num,1)
Out[5]:
array([[[0,[1,6],7]]])

numpy.swapaxes 函数

用于交换数组的两个轴，格式如下：

numpy.swapaxes(arr,axis1,axis2)

参数说明：

• 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

示例：

In [1]: import numpy as np

In [2]: num = np.arange(8).reshape(2,7]]])

In [4]: np.swapaxes(num,0)
Out[4]:
array([[[0,4],[3,7]]])

修改数组维度

• 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 函数

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：

In [1]: import numpy as np

In [2]: x = np.array([[1],[2],[3]])

In [3]: y = np.array([4,6])

In [4]: x
Out[4]:
array([[1],[3]])

In [5]: y
Out[5]: array([4,6])

In [6]: num = np.broadcast(x,y)

In [7]: num
Out[7]: <numpy.broadcast at 0x7fac788ebce0>

In [8]: a,b = num.iters

In [9]: a
Out[9]: <numpy.flatiter at 0x7fac779ede00>

In [10]: b
Out[10]: <numpy.flatiter at 0x7fac779c9e00>

In [11]: print(next(a),next(b))
1 4

In [12]: print(next(a),next(b))
1 5

In [13]: num.shape
Out[13]: (3,3)

In [14]: num = np.broadcast(x,y)

In [15]: ape = np.empty(num.shape)

In [16]: ape
Out[16]:
array([[0.,0.,0.],[0.,0.]])

In [17]: ape.shape
Out[17]: (3,3)

In [18]: ape.flat = [i + j for i,j in num]

In [19]: ape
Out[19]:
array([[5.,6.,7.],[6.,7.,8.],[7.,8.,9.]])

In [20]: x + y
Out[20]:
array([[5,[7,8,9]])

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)

示例：

In [1]: import numpy as np

In [2]: num = np.arange(4).reshape(1,4)

In [3]: num
Out[3]: array([[0,3]])

In [4]: np.broadcast_to(num,(4,4))
Out[4]:
array([[0,
[0,3]])

numpy.expand_dims 函数

通过在指定位置插入新的轴来扩展数组形状，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

示例：

In [1]: import numpy as np

In [2]: x = np.array(([1,4]))

In [3]: x
Out[3]:
array([[1,4]])

In [4]: y = np.expand_dims(x,axis=0)

In [5]: y
Out[5]:
array([[[1,4]]])

In [6]: x.shape,y.shape
Out[6]: ((2,2),(1,2))

In [7]: y = np.expand_dims(x,axis=1)

In [8]: y
Out[8]:
array([[[1,2]],[[3,4]]])

In [9]: x.ndim,y.ndim
Out[9]: (2,3)

In [10]: x.shape,y.shape
Out[10]: ((2,(2,2))

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

示例：

In [1]: import numpy as np

In [2]: x = np.arange(9).reshape(1,3)

In [3]: x
Out[3]:
array([[[0,8]]])

In [4]: y = np.squeeze(x)

In [5]: y
Out[5]:
array([[0,8]])

In [6]: x.shape,y.shape
Out[6]: ((1,3),(3,3))

连接数组

• 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 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,…：相同类型的数组

• axis：沿着它连接数组的轴，默认为 0

示例：

In [1]: import numpy as np

In [2]: x = np.array([[1,4]])

In [3]: x
Out[3]:
array([[1,4]])

In [4]: y = np.array([[5,8]])

In [5]: y
Out[5]:
array([[5,8]])

In [6]: np.concatenate((x,y))
Out[6]:
array([[1,8]])

In [7]: np.concatenate((x,y),axis=0)
Out[7]:
array([[1,8]])

In [8]: np.concatenate((x,axis=1)
Out[8]:
array([[1,8]])

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

示例：

In [1]: import numpy as np

In [2]: x = np.array([[1,8]])

In [6]: np.stack((x,0)
Out[6]:
array([[[1,4]],[[5,8]]])

In [7]: np.stack((x,1)
Out[7]:
array([[[1,8]]])

numpy.hstack 函数

numpy.hstack 函数是 numpy.stack 函数的变体，它通过水平堆叠来生成数组

In [1]: import numpy as np

In [2]: x = np.array([[1,8]])

In [6]: np.hstack((x,8]])

numpy.vstack 函数

numpy.vstack 函数是 numpy.stack 函数的变体，它通过垂直堆叠来生成数组

In [1]: import numpy as np

In [2]: x = np.array([[1,8]])

In [6]: np.vstack((x,8]])

分割数组

• 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 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

示例：

In [1]: import numpy as np

In [2]: num = np.arange(9)

In [3]: num
Out[3]: array([0,8])

In [4]: np.split(num,3)
Out[4]: [array([0,2]),array([3,5]),array([6,8])]

In [5]: np.split(num,7])
Out[5]: [array([0,3]),array([4,6]),array([7,8])]

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

In [1]: import numpy as np

In [2]: num = np.floor(10 * np.random.random((2,6)))

In [3]: num
Out[3]:
array([[8.,1.,2.],[3.,9.,5.,3.,5.]])

In [4]: np.hsplit(num,3)
Out[4]:
[array([[8.,9.]]),array([[6.,[5.,3.]]),array([[1.,[8.,5.]])]

numpy.vsplit 函数

沿着垂直轴分割，其分割方式与 hsplit 用法相同

In [1]: import numpy as np

In [2]: num = np.arange(16).reshape(4,11],[12,13,14,15]])

In [4]: np.vsplit(num,2)
Out[4]:
[array([[0,7]]),array([[ 8,15]])]

数组元素的添加与删除

• 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 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

示例：

In [1]: import numpy as np

In [2]: x = np.array([[1,6]])

In [3]: x
Out[3]:
array([[1,6]])

In [4]: x.shape
Out[4]: (2,3)

In [5]: y = np.resize(x,2))

In [6]: y
Out[6]:
array([[1,6]])

In [7]: y.shape
Out[7]: (3,2)

In [8]: y = np.resize(x,3))

In [9]: y
Out[9]:
array([[1,3]])

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）

示例：

In [1]: import numpy as np

In [2]: num = np.array([[1,6]])

In [3]: num
Out[3]:
array([[1,6]])

In [4]: np.append(num,9])
Out[4]: array([1,9])

In [5]: np.append(num,[[7,9]],axis=0)
Out[5]:
array([[1,9]])

In [6]: np.append(num,axis=1)
Out[6]:
array([[1,9]])

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,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

示例：

In [1]: import numpy as np

In [2]: num = np.array([[1,6]])

In [3]: num
Out[3]:
array([[1,
[3,
[5,6]])

In [4]: np.insert(num,[11,12])
Out[4]: array([ 1,11,12,6])

In [5]: np.insert(num,[11],axis=0)
Out[5]:
array([[ 1,
[11,
[ 3,
[ 5,6]])

In [6]: np.insert(num,axis=1)
Out[6]:
array([[ 1,6]])

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,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

示例:

In [1]: import numpy as np

In [2]: num = np.arange(12).reshape(3,11]])

In [4]: np.delete(num,5)
Out[4]: array([ 0,11])

In [5]: np.delete(num,axis=1)
Out[5]:
array([[ 0,11]])

In [6]: num = np.array([1,10])

In [7]: num
Out[7]: array([ 1,10])

In [8]: np.delete(num,np.s_[::2])
Out[8]: array([ 2,10])

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

示例：

In [1]: import numpy as np

In [2]: num = np.array([5,9])

In [3]: num
Out[3]: array([5,9])

In [4]: np.unique(num)
Out[4]: array([2,9])

In [5]: np.unique(num,return_index=True)
Out[5]: (array([2,9]),array([1,9]))

In [6]: x,y = np.unique(num,return_index=True)

In [7]: y
Out[7]: array([1,9])

In [8]: np.unique(num,return_inverse=True)
Out[8]: (array([2,5]))

In [9]: x,return_inverse=True)

In [10]: x
Out[10]: array([2,9])

In [11]: y
Out[11]: array([1,5])

In [12]: x[y]
Out[12]: array([5,9])

In [13]: x,return_counts=True)

In [14]: x
Out[14]: array([2,9])

In [15]: y
Out[15]: array([3,1])

（编辑：北几岛）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!