经验首页 前端设计 程序设计 Java相关 移动开发 数据库/运维 软件/图像 大数据/云计算 其他经验
当前位置:技术经验 » 程序设计 » NumPy » 查看文章
NumPy 学习笔记(三)
来源:cnblogs  作者:贵志  时间:2019/4/26 8:52:45  对本文有异议

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

  1. import numpy as np
  2. # 将 1 维数组改变为形状为 2*5 的数组
  3. arr = np.arange(10).reshape(2, 5)
  4. print("arr: ", arr)
  5. for elem in arr.flat:
  6. elem = elem + 1
  7. print(elem, end=" ") # 1 2...10
  8. # 原数组未改变!!!
  9. print("\narr: ", arr)
  10. arr.shape = (5, 2)
  11. # [0 1 2 3 4 5 6 7 8 9]
  12. print("Order is C: ", arr.flatten())
  13. # [0 2 4 6 8 1 3 5 7 9]
  14. print("Order is F: ", arr.flatten(order="F"))
  15. temp = arr.ravel()
  16. print("arr: ", temp)
  17. # 修改了展开数组下标为 2 的元素
  18. arr.ravel()[2] = 10
  19. 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

  1. import numpy as np
  2. # numpy.transpose(arr, axes) 用于对换数组的维度
  3. arr = np.arange(1, 11).reshape(5, 2)
  4. print("transpose arr: ", np.transpose(arr))
  5. # numpy.ndarray.T 类似 numpy.transpose()
  6. print("arr.T: ", arr.T)
  7. # numpy.rollaxis(arr, axis, start) 向后滚动特定的轴到一个特定位置
  8. arr = np.arange(4).reshape(2, 2)
  9. print("rollaxis arr: ", np.rollaxis(arr, axis=1)) # [[0 2] [1 3]]
  10. # numpy.swapaxes(arr, axis1, axis2) 用于交换数组的两个轴
  11. 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

  1. import numpy as np
  2. # 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
  3. x = np.array([[1], [2], [3]])
  4. y = np.array([4, 5, 6])
  5. # 它拥有 iterator 属性,基于自身组件的迭代器元组
  6. # 发生广播,[(1, 4), (1, 5), (1, 6), (2, 4), (2, 5), (2, 6), (3, 4), (3, 5), (3, 6)]
  7. b = np.broadcast(x, y)
  8. c = np.empty(b.shape) # 生成形状如 b 的随机数组
  9.  
  10. print(c.shape)
  11. print('手动使用 broadcast 将 x 与 y 相加:')
  12. c.flat = [u + v for (u, v) in b]
  13. print("x+y: ", c)
  14. # 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
  15. b = np.broadcast(x, y)
  16. lst = [o for o in b]
  17. print("lst: ", lst)
  18. # 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
  19. a = np.array([[1], [2], [3]])
  20. b = np.broadcast_to(a, (3, 2)) # [[1 1] [2 2] [3 3]]
  21. print("b: ", b)
  22. # numpy.expand_dims(arr, axis) 通过在指定位置插入新的轴来扩展数组形状
  23. a = np.array([[1, 2], [3, 4]])
  24. print("shape of a: ", a.shape) # (2, 2)
  25. # 可以将 axis 看成数组形状元组的下标,在对应下标插入新轴
  26. b = np.expand_dims(a, axis=0)
  27. print("b: ", b) # [[[1 2] [3 4]]]
  28. print("shape of b: ", b.shape) # (1, 2, 2)
  29. b = np.expand_dims(a, axis=1)
  30. print("b: ", b) # [[[1 2]] [[3 4]]]
  31. print("shape of b: ", b.shape) # (2, 1, 2)
  32.  
  33. # numpy.squeeze(arr, axis) 从给定数组的形状中删除一维的条目
  34. x = np.arange(9).reshape(1, 3, 3)
  35. print("x: ", x)
  36. print("shape of x: ", x.shape) # (1, 3, 3)
  37. # 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
  38. y = np.squeeze(x, axis=0)
  39. print("y: ", y)
  40. 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

  1. import numpy as np
  2. # 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
  3. a = np.array([[1, 2], [5, 6]])
  4. b = np.array([[3, 4], [7, 8]])
  5. # [[1 2 3 4] [5 6 7 8]]
  6. print("使用 1 轴连接 2 个数组: ", np.concatenate((a, b), axis=1))
  7. # 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
  8. # [[1 2] [5 6] [3 4] [7 8]]
  9. print("使用 0 轴堆叠 2 个数组: ", np.concatenate((a, b), axis=0))
  10. # numpy.hstack((a1, a2, ...)) 是 numpy.stack 函数的变体,它通过水平堆叠来生成数组
  11. # [[1 2 3 4] [5 6 7 8]]
  12. print("水平堆叠: ", np.hstack((a, b)))
  13. # numpy.vstack((a1, a2, ...)) 是 numpy.stack 函数的变体,它通过垂直堆叠来生成数组
  14. # [[1 2] [5 6] [3 4] [7 8]]
  15. 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

  1. 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
  2. # 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)
  3. arr = np.linspace(1, 100, 10)
  4. print("每个子数组长度为 2 分割:", np.split(arr, 5))
  5. # 分割成 arr[0...2) arr[2...4) arr[4...7) arr[7...-1]
  6. print("按特定下标分割:", np.split(arr, [2, 4, 7]))
  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
  8. arr = arr.reshape(2, 5)
  9. print("After reshape arr: ", arr)
  10. print("hsplit the arr: ", np.hsplit(arr, 5))
  11. # numpy.vsplit(ary, indices_or_sections) 沿着垂直轴分割,其分割方式与 hsplit 用法相同
  12. 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

 

  1. import numpy as np
  2. # 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
  3. arr = np.sin(np.array([0, 30, 45, 60, 90, 120, 135, 150, 180]).reshape(3, 3) * np.pi/180)
  4. np.set_printoptions(precision=1) # 保留小数点后一位
  5. print("resize(arr, (1, 9)): ", np.resize(arr, (1, 9)))
  6. # 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
  7. print("resize(arr, (4, 3)): ", np.resize(arr, (4, 3)))
  8. # 保存数组第一个元素的副本到末尾
  9. print("resize(arr, (2, 5)): ", np.resize(arr, (2, 5)))
  10. np.set_printoptions(precision=8) # 默认为 8
  11.  
  12. # numpy.append(arr, values, axis=None) 在数组的末尾添加值
  13. arr = np.array([[1, 2, 3], [4, 5, 6]])
  14. # 当axis无定义时,是横向加成,返回总是为一维数组
  15. # [1 2 3 4 5 6 7 8 9]
  16. print("append(arr, [7, 8, 9]): ", np.append(arr, [7, 8, 9]))
  17. # 按 0 轴加成,列数要相同,还有就是追加的是二维数组
  18. # [[1 2 3] [4 5 6] [7 8 9]]
  19. print("append(arr, [7, 8, 9], axis=0): ", np.append(arr, [[7, 8, 9]], axis=0))
  20. # 注意行数要相同,[[1 2 3 4 5 6] [4 5 6 7 8 9]]
  21. print("append(arr, [[4, 5, 6], [7, 8, 9]], axis=1): ", np.append(arr, [[4, 5, 6], [7, 8, 9]], axis=1))
  22. # 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
  23. arr = np.array([1, 2, 3, 4, 5, 6]).reshape(3, 2)
  24. # 如果未提供轴,则输入数组会被展开
  25. print("insert(arr, 3, [6, 6, 6]): ", np.insert(arr, 3, [6, 6, 6]))
  26. print("insert(arr, 3, [7, 8], axis=0): ", np.insert(arr, 3, [7, 8], axis=0))
  27. # 若形状不匹配,还会试图广播数组
  28. print("insert(arr, 1, [6], axis=1): ", np.insert(arr, 1, [6], axis=1))
  29. # numpy.delete(arr, obj, axis) 返回从输入数组中删除指定子数组的新数组
  30. # 如果未提供轴,则输入数组会被展开
  31. print("delete(arr, 2): ", np.delete(arr, 2))
  32. # 分别按 0 轴和 1 轴删除下标为 1 的元素
  33. print("delete(arr, 1, axis=0): ", np.delete(arr, 1, axis=0))
  34. print("delete(arr, 1, axis=1): ", np.delete(arr, 1, axis=1))
  35. # numpy.unique(arr, return_index, return_inverse, return_counts) 用于去除数组中的重复元素
  36. arr = np.array([5, 3, 4, 2, 2, 1, 9, 0, 3, 4])
  37. print("unique(arr): ", np.unique(arr))
  38. # 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
  39. print("unique(arr, return_index=True): ", np.unique(arr, return_index=True))
  40. # 若 return_inverse=True 则返回旧数组元素在新数组中的下标
  41. print("unique(arr, return_inverse=True): ", np.unique(arr, return_inverse=True))
  42. # 若 return_counts=True 则返回对应元素在原数组中出现的次数
  43. print("unique(arr, return_counts=True): ", np.unique(arr, return_counts=True))

 

原文链接:http://www.cnblogs.com/lemonyam/p/10756891.html

 友情链接:直通硅谷  点职佳  北美留学生论坛

本站QQ群:前端 618073944 | Java 606181507 | Python 626812652 | C/C++ 612253063 | 微信 634508462 | 苹果 692586424 | C#/.net 182808419 | PHP 305140648 | 运维 608723728

W3xue 的所有内容仅供测试,对任何法律问题及风险不承担任何责任。通过使用本站内容随之而来的风险与本站无关。
关于我们  |  意见建议  |  捐助我们  |  报错有奖  |  广告合作、友情链接(目前9元/月)请联系QQ:27243702 沸活量
皖ICP备17017327号-2 皖公网安备34020702000426号