欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

NumPy 学习笔记(三)

程序员文章站 2022-03-25 19:09:18
NumPy 数组操作: 1、修改数组形状 a、numpy.reshape(arr, newshape, order='C') 在不改变数据的条件下修改形状 b、numpy.ndarray.flat 是一个数组元素迭代器 c、numpy.ndarray.flatten(self, order) 返回一 ......

numpy 数组操作:

  1、修改数组形状

    a、numpy.reshape(arr, newshape, order='c') 在不改变数据的条件下修改形状

    b、numpy.ndarray.flat 是一个数组元素迭代器

    c、numpy.ndarray.flatten(self, order) 返回一份数组拷贝,对拷贝数组修改不会影响原数组

    d、numpy.ravel(a, order='c') 展开数组元素,顺序通常是 "c 风格",返回的是数组视图,即修改会影响原始数组

import numpy as np

# 将 1 维数组改变为形状为 2*5 的数组
arr = np.arange(10).reshape(2, 5)
print("arr: ", arr)

for elem in arr.flat:
    elem = elem + 1
    print(elem, end=" ")        # 1 2...10
# 原数组未改变!!!
print("\narr: ", arr)

arr.shape = (5, 2)
# [0 1 2 3 4 5 6 7 8 9]
print("order is c: ", arr.flatten())
# [0 2 4 6 8 1 3 5 7 9]
print("order is f: ", arr.flatten(order="f"))

temp = arr.ravel()
print("arr: ", temp)
# 修改了展开数组下标为 2 的元素
arr.ravel()[2] = 10
print("arr: ", arr)     # arr 发生改变

 

  2、翻转数组

    a、numpy.transpose(arr, axes) 用于对换数组的维度

    b、numpy.ndarray.t 类似 numpy.transpose()

    c、numpy.rollaxis(arr, axis, start) 向后滚动特定的轴到一个特定位置

    d、numpy.swapaxes(arr, axis1, axis2) 用于交换数组的两个轴

import numpy as np

# numpy.transpose(arr, axes) 用于对换数组的维度
arr = np.arange(1, 11).reshape(5, 2)
print("transpose arr: ", np.transpose(arr))
# numpy.ndarray.t 类似 numpy.transpose()
print("arr.t: ", arr.t)

# numpy.rollaxis(arr, axis, start) 向后滚动特定的轴到一个特定位置
arr = np.arange(4).reshape(2, 2)
print("rollaxis arr: ", np.rollaxis(arr, axis=1))       # [[0 2] [1 3]]
# numpy.swapaxes(arr, axis1, axis2) 用于交换数组的两个轴
print("swapaxes arr: ", np.swapaxes(arr, 1, 0))     # [[0 2] [1 3]]

 

  3、修改数组维度

    a、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

    b、numpy.broadcast_to(array, shape, subok=false) 函数将数组广播到新形状。它在原始数组上返回只读视图,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

    c、numpy.expand_dims(arr, axis) 通过在指定位置插入新的轴来扩展数组形状

    d、numpy.squeeze(arr, axis) 从给定数组的形状中删除一维的条目

import numpy as np

# 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
x = np.array([[1], [2], [3]])
y = np.array([4, 5, 6])
# 它拥有 iterator 属性,基于自身组件的迭代器元组
# 发生广播,[(1, 4), (1, 5), (1, 6), (2, 4), (2, 5), (2, 6), (3, 4), (3, 5), (3, 6)]
b = np.broadcast(x, y)
c = np.empty(b.shape)       # 生成形状如 b 的随机数组

print(c.shape)
print('手动使用 broadcast 将 x 与 y 相加:')
c.flat = [u + v for (u, v) in b]
print("x+y: ", c)
# 若把下面 b 的代码注释掉时输出空列表,以为迭代器指向末尾
b = np.broadcast(x, y)
lst = [o for o in b]
print("lst: ", lst)

# numpy.broadcast_to(array, shape, subok) 将数组广播到新形状。它在原始数组上返回只读视图,通常不连续
a = np.array([[1], [2], [3]])
b = np.broadcast_to(a, (3, 2))      # [[1 1] [2 2] [3 3]]
print("b: ", b)

# numpy.expand_dims(arr, axis) 通过在指定位置插入新的轴来扩展数组形状
a = np.array([[1, 2], [3, 4]])
print("shape of a: ", a.shape)      # (2, 2)
# 可以将 axis 看成数组形状元组的下标,在对应下标插入新轴
b = np.expand_dims(a, axis=0)
print("b: ", b)     # [[[1 2] [3 4]]]
print("shape of b: ", b.shape)      # (1, 2, 2)

b = np.expand_dims(a, axis=1)
print("b: ", b)     # [[[1 2]] [[3 4]]]
print("shape of b: ", b.shape)      # (2, 1, 2)

# numpy.squeeze(arr, axis) 从给定数组的形状中删除一维的条目
x = np.arange(9).reshape(1, 3, 3)
print("x: ", x)
print("shape of x: ", x.shape)      # (1, 3, 3)
# 注意是一维的条目,若在这里 axis=1 则会报错,以为 axis=1 轴不为 1
y = np.squeeze(x, axis=0)
print("y: ", y)
print("shape of y: ", y.shape)      # (3, 3)

 

  4、连接数组

    anumpy.concatenate((a1, a2, ...), axis用于沿指定轴连接相同形状的两个或多个数组

    b、numpy.stack(arrays, axis=0, out=none用于沿新轴连接数组序列

    c、numpy.hstack((a1, a2, ...)) 是 numpy.stack 函数的变体,它通过水平堆叠来生成数组

    d、numpy.vstack((a1, a2, ...)) 是 numpy.stack 函数的变体,它通过垂直堆叠来生成数组

import numpy as np

# numpy.concatenate((a1, a2, ...), axis) 用于沿指定轴连接相同形状的两个或多个数组
a = np.array([[1, 2], [5, 6]])
b = np.array([[3, 4], [7, 8]])
# [[1 2 3 4] [5 6 7 8]]
print("使用 1 轴连接 2 个数组: ", np.concatenate((a, b), axis=1))

# numpy.stack(arrays, axis) 用于沿新轴连接数组序列,arrays相同形状的数组序列
# [[1 2] [5 6] [3 4] [7 8]]
print("使用 0 轴堆叠 2 个数组: ", np.concatenate((a, b), axis=0))

# numpy.hstack((a1, a2, ...)) 是 numpy.stack 函数的变体,它通过水平堆叠来生成数组
# [[1 2 3 4] [5 6 7 8]]
print("水平堆叠: ", np.hstack((a, b)))

# numpy.vstack((a1, a2, ...)) 是 numpy.stack 函数的变体,它通过垂直堆叠来生成数组
# [[1 2] [5 6] [3 4] [7 8]]
print("垂直堆叠: ", np.vstack((a, b)))

 

  5、分割数组

    a、numpy.split(ary, indices_or_sections, axis沿特定的轴将数组分割为子数组

    b、numpy.hsplit(ary, indices_or_sections) 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

    c、numpy.vsplit(ary, indices_or_sections) 用于垂直分割数组,其分割方式与hsplit用法相同

import numpy as np

# numpy.split(ary, indices_or_sections, axis) 沿特定的轴将数组分割为子数组 # 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) arr = np.linspace(1, 100, 10) print("每个子数组长度为 2 分割:", np.split(arr, 5)) # 分割成 arr[0...2) arr[2...4) arr[4...7) arr[7...-1] print("按特定下标分割:", np.split(arr, [2, 4, 7])) # numpy.hsplit(ary, indices_or_sections) 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 arr = arr.reshape(2, 5) print("after reshape arr: ", arr) print("hsplit the arr: ", np.hsplit(arr, 5)) # numpy.vsplit(ary, indices_or_sections) 沿着垂直轴分割,其分割方式与 hsplit 用法相同 print("vsplit the arr: ", np.vsplit(arr, 2))

 

  6、数组元素的添加与删除

    a、numpy.resize(arr, shape) 返回指定大小的新数组;若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

    b、numpy.append(arr, values, axis=none) 在数组的末尾添加值

    c、numpy.insert(arr, obj, values, axis=none在给定索引之前,沿给定轴在输入数组中插入值,obj 为索引

    d、numpy.delete(arr, obj, axis) 返回从输入数组中删除指定子数组的新数组,obj 为索引

    e、numpy.unique(arr, return_index, return_inverse, return_counts用于去除数组中的重复元素

 

import numpy as np

# numpy.resize(arr, shape) 返回指定大小的新数组;若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
arr = np.sin(np.array([0, 30, 45, 60, 90, 120, 135, 150, 180]).reshape(3, 3) * np.pi/180)
np.set_printoptions(precision=1)        # 保留小数点后一位
print("resize(arr, (1, 9)): ", np.resize(arr, (1, 9)))
# 大小大于原始大小,将数组的头 3 个的副本保存到最后一行
print("resize(arr, (4, 3)): ", np.resize(arr, (4, 3)))
# 保存数组第一个元素的副本到末尾
print("resize(arr, (2, 5)): ", np.resize(arr, (2, 5)))
np.set_printoptions(precision=8)        # 默认为 8

# numpy.append(arr, values, axis=none) 在数组的末尾添加值
arr = np.array([[1, 2, 3], [4, 5, 6]])
# 当axis无定义时,是横向加成,返回总是为一维数组
# [1 2 3 4 5 6 7 8 9]
print("append(arr, [7, 8, 9]): ", np.append(arr, [7, 8, 9]))
# 按 0 轴加成,列数要相同,还有就是追加的是二维数组
# [[1 2 3] [4 5 6] [7 8 9]]
print("append(arr, [7, 8, 9], axis=0): ", np.append(arr, [[7, 8, 9]], axis=0))
# 注意行数要相同,[[1 2 3 4 5 6] [4 5 6 7 8 9]]
print("append(arr, [[4, 5, 6], [7, 8, 9]], axis=1): ", np.append(arr, [[4, 5, 6], [7, 8, 9]], axis=1))

# numpy.insert(arr, obj, values, axis) 在给定索引之前,沿给定轴在输入数组中插入值
arr = np.array([1, 2, 3, 4, 5, 6]).reshape(3, 2)
# 如果未提供轴,则输入数组会被展开
print("insert(arr, 3, [6, 6, 6]): ", np.insert(arr, 3, [6, 6, 6]))
print("insert(arr, 3, [7, 8], axis=0): ", np.insert(arr, 3, [7, 8], axis=0))
# 若形状不匹配,还会试图广播数组
print("insert(arr, 1, [6], axis=1): ", np.insert(arr, 1, [6], axis=1))

# numpy.delete(arr, obj, axis) 返回从输入数组中删除指定子数组的新数组
# 如果未提供轴,则输入数组会被展开
print("delete(arr, 2): ", np.delete(arr, 2))
# 分别按 0 轴和 1 轴删除下标为 1 的元素
print("delete(arr, 1, axis=0): ", np.delete(arr, 1, axis=0))
print("delete(arr, 1, axis=1): ", np.delete(arr, 1, axis=1))

# numpy.unique(arr, return_index, return_inverse, return_counts) 用于去除数组中的重复元素
arr = np.array([5, 3, 4, 2, 2, 1, 9, 0, 3, 4])
print("unique(arr): ", np.unique(arr))
# 若 return_index=true 则返回新元素在旧数组中(第一个符合的元素)的下标
print("unique(arr, return_index=true): ", np.unique(arr, return_index=true))
# 若 return_inverse=true 则返回旧数组元素在新数组中的下标
print("unique(arr, return_inverse=true): ", np.unique(arr, return_inverse=true))
# 若 return_counts=true 则返回对应元素在原数组中出现的次数
print("unique(arr, return_counts=true): ", np.unique(arr, return_counts=true))