numpy基本操作,列举numpy中常用的5个方法

　　我为了Numpy的11种高级操作熬夜了，每一种都有参数解释和小例子帮助解释。文章中的示例代码解释得很详细，有兴趣的朋友可以和边肖一起学习。

　　00-1010 1.数组2上的迭代。数组形状修改函数1。恩达雷。重塑2。恩达雷。三号公寓。恩达雷。平3。数组翻转操作函数1。numpy。转座2。numpy。恩达雷。t3。numpy。交换4。numpy。罗拉西S4。数组修改维度函数1 . numpy . broadcast _ to2 . numpy . expand _ dims 3 . numpy . squeeze 5 .数组连接操作1 .numpy . stack 2 . numpy . hstack 3 . numpy . vsack 4 . numpy . concatenate 6 .数组拆分操作1 .numpy。split 2 . numpy . HSP lit 3 . numpy . vs plit 7 . array元素操作1 . numpy . resize 2 . numpy . append 3 . numpy . insert 4 . numpy . delete 5 . numpy . unique 8 . numpy-string函数9 .NumPy-算术函数1。NumPy-三角2。NumPy-舍入函数3。数字算术运算4。统计函数10。分类、搜索和计数功能。IO文件操作

2.数组形状修改函数

1.ndarray.reshape

　　函数在不改变数据的条件下修改形状，参数如下：

　　ndarray.reshape(arr, newshape, order)

import numpy as np

　　输出结果:

[0 1 2 3 4 5 6 7]
[[0 1]
[2 3]
[4 5]
[6 7]]

　　

2.ndarray.flat

　　函数返回数组上的一维迭代器，行为类似 Python 内建的迭代器。

import numpy as np

　　输出结果：

[[ 0 2 4 6]
[ 8 10 12 14]]
[0, 2, 4, 6, 8, 10, 12, 14]

　　

3.ndarray.flatten

　　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。

import numpy as np

　　输出结果：

[[0 1 2 3]
[4 5 6 7]]
[0 1 2 3 4 5 6 7]
[0 4 1 5 2 6 3 7]

　　

3.数组翻转操作函数

1.numpy.transpose

　　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。

import numpy as np

　　输出结果：

[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]]
[[[ 0 12]
[ 4 16]
[ 8 20]]
[[ 1 13]
[ 5 17]
[ 9 21]]
[[ 2 14]
[ 6 18]
[10 22]]
[[ 3 15]
[ 7 19]
[11 23]]]
(4, 3, 2)

　　

b = np.array(np.transpose(a, (1, 0, 2)))

　　输出结果：

[[[ 0 1 2 3]
[12 13 14 15]]
[[ 4 5 6 7]
[16 17 18 19]]
[[ 8 9 10 11]
[20 21 22 23]]]
(3, 2, 4)

　　

2. numpy.ndarray.T

　　该函数属于ndarray类，行为类似于numpy.transpose.

import numpy as np

　　输出结果：

[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[ 0 4 8]
[ 1 5 9]
[ 2 6 10]
[ 3 7 11]]

　　

3.numpy.swapaxes

　　函数交换数组的两个轴。这个函数接受下列参数：

　　numpy.swapaxes(arr, axis1, axis2)

　　其中：

　　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

import numpy as np

　　输出结果：

[[[0 1]
[2 3]]
[[4 5]
[6 7]]]
[[[0 4]
[2 6]]
[[1 5]
[3 7]]]

　　

4.numpy.rollaxis

　　numpy.rollaxis()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。

import numpy as np

　　输出结果：

[[[0 1]
[2 3]]
[[4 5]
[6 7]]]
[[[0 2]
[4 6]]
[[1 3]
[5 7]]]
[[[0 2]
[1 3]]
[[4 6]
[5 7]]]

　　

4.数组修改维度函数

1.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。该函数接受以下参数：

　　numpy.broadcast_to(array, shape, subok)

import numpy as np

　　输出结果：

[[0 1 2 3]]
[[0 1 2 3]
[0 1 2 3]
[0 1 2 3]
[0 1 2 3]]

　　

2.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

import numpy as np

　　输出结果：

[[1 2]
[3 4]]
[[[1 2]
[3 4]]]
(2, 2) (1, 2, 2)
[[[1 2]]
[[3 4]]]
2 3
(2, 2) (2, 1, 2)

　　

3.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

import numpy as np

　　输出结果：

[[[0 1 2]
[3 4 5]
[6 7 8]]]
[[0 1 2]
[3 4 5]
[6 7 8]]
(1, 3, 3) (3, 3)

　　

5.数组的连接操作

　　NumPy中数组的连接函数主要有如下四个：

concatenate沿着现存的轴连接数据序列
stack沿着新轴连接数组序列
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)

1.numpy.stack

　　函数沿新轴连接数组序列，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

　　输出结果：

[[1 2]
[3 4]]
[[5 6]
[7 8]]
[[[1 2]
[3 4]]
[[5 6]
[7 8]]]
[[[1 2]
[5 6]]
[[3 4]
[7 8]]]

　　

2.numpy.hstack

　　是numpy.stack()函数的变体，通过堆叠来生成水平的单个数组。

import numpy as np

　　输出结果：

[[1 2]
[3 4]]
[[5 6]
[7 8]]
水平堆叠：
[[1 2 5 6]
[3 4 7 8]]

　　

3.numpy.vstack

　　是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

　　输出结果：

[[1 2]
[3 4]]
[[5 6]
[7 8]]
竖直堆叠：
[[1 2]
[3 4]
[5 6]
[7 8]]

　　

4.numpy.concatenate

　　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

import numpy as np

　　输出结果：

[[1 2]
[3 4]]
[[5 6]
[7 8]]
[[1 2]
[3 4]
[5 6]
[7 8]]
[[1 2 5 6]
[3 4 7 8]]

　　

6.数组的分割操作

　　NumPy中数组的数组分割函数主要如下：

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将一个数组竖直分割为多个子数组(按行)

1.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

import numpy as np

　　输出结果：

[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])]

　　

2.numpy.hsplit

　　split()函数的特例，其中轴为 1 表示水平分割。

import numpy as np

　　输出结果：

[[ 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]])]

　　

3.numpy.vsplit

　　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。

import numpy as np

　　输出结果：

[[ 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]])]

　　

7.数组元素操作

　　NumPy中数组操作函数主要如下：

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返回删掉某个轴的子数组的新数组
unique寻找数组内的唯一元素

1.numpy.resize

　　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。如果小于则去掉原始数组的部分数据。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

import numpy as np

　　输出结果：

[[1 2 3]
[4 5 6]]
(2, 3)
[[1 2]
[3 4]
[5 6]]
(3, 2)
修改第二个数组的大小：
[[1 2 3]
[4 5 6]
[1 2 3]]
修改第三个数组的大小：
[[1 2]
[3 4]]

　　

2.numpy.append

　　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。

import numpy as np

　　输出结果：

[[1 2 3]
[4 5 6]]
[[1 2 3]
[4 5 6]
[7 8 9]]
[[1 2 3 5 5 5]
[4 5 6 7 8 9]]

　　

3.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。

　　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

import numpy as np

　　输出结果：

[[1 2]
[3 4]
[5 6]]
[ 1 2 3 11 12 4 5 6]
[[ 1 2]
[11 11]
[ 3 4]
[ 5 6]]
[[ 1 11 2]
[ 3 11 4]
[ 5 11 6]]

　　

4.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。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

import numpy as np

　　输出结果：

[[1 2]
[3 4]
[5 6]]
[1 2 3 4 5]
[[1]
[3]
[5]]

　　

5.numpy.unique

　　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

import numpy as np

　　输出结果：

[2 5 6 7 8 9][2 5 6 7 8 9]
[1 0 2 4 7 9][2 5 6 7 8 9]
[1 0 2 0 3 1 2 4 0 5][2 5 6 7 8 9]
[3 2 2 1 1 1]

　　

8.NumPy - 字符串函数

　　以下函数用于对dtype为numpy.string_或numpy.unicode_的数组执行向量化字符串操作。它们基于 Python 内置库中的标准字符串函数。字符数组类(numpy.char)中定义

import numpy as np

　　输出结果：

['hello xyz']
['hello abc' 'hi xyz']
Hello Hello Hello
*******hello********
Hello world
Hello How Are You?
['hello' 'world']
hello
HELLO
['HELLO' 'WORLD']
['hello', 'how', 'are', 'you?']
['YiibaiPoint', 'Hyderabad', 'Telangana']
['hello', 'how are you?']
['hello', 'how are you?']
shok aror
['ror' 'dmin' 'jav']
d:m:y
['d:m:y' 'y-m-d']
He was a good boy
b'x88x85x93x93x96'
hello

　　

9.NumPy - 算数函数

　　NumPy 包含大量的各种数学运算功能。NumPy 提供标准的三角函数，算术运算的函数，复数处理函数等。

三角函数
舍入函数
算数函数

1. NumPy -三角函数

　　NumPy 拥有标准的三角函数，它为弧度制单位的给定角度返回三角函数比值。arcsin，arccos，和arctan函数返回给定角度的sin，cos和tan的反三角函数。这些函数的结果可以通过numpy.degrees()函数通过将弧度制转换为角度制来验证。

import numpy as np

　　输出结果：

[ 0. 0.5 0.70710678 0.8660254 1. ]
[ 1.00000000e+00 8.66025404e-01 7.07106781e-01 5.00000000e-01
6.12323400e-17]
[ 0.00000000e+00 5.77350269e-01 1.00000000e+00 1.73205081e+00
1.63312394e+16]

　　

2.NumPy -舍入函数

　　numpy.around()这个函数返回四舍五入到所需精度的值

numpy.around(a,decimals) – a 输入数组
decimals 要舍入的小数位数。默认值为0。如果为负，整数将四舍五入到小数点左侧的位置

　　numpy.floor()函数返回不大于输入参数的最大整数。

　　numpy.ceil()函数返回输入值的上限，大于输入参数的最小整数

import numpy as np

　　输出结果：

[ 1. 6. 123. 1. 26.]
[ 1. 5.6 123. 0.6 25.5]
[ 1. 5. 123. 0. 25.]
[ 1. 6. 123. 1. 26.]

　　

3.NumPy - 算数运算

　　用于执行算术运算(如add()，subtract()，multiply()和divide())的输入数组必须具有相同的形状或符合数组广播规则。

numpy.reciprocal()函数返回参数逐元素的倒数。
numpy.power()函数将第一个输入数组中的元素作为底数，计算它与第二个输入数组中相应元素的幂。
numpy.mod()函数返回输入数组中相应元素的除法余数

import numpy as np

　　输出结果：

[ 4. 0.5 1. 5. 0.01]
[ 6.25000000e-02 4.00000000e+00 1.00000000e+00
4.00000000e-02. 1.00000000e+04]
[1 0 2]

　　

4.NumPy - 统计函数

　　NumPy 有很多有用的统计函数，用于从数组中给定的元素中查找最小，最大，百分标准差和方差等。

　　numpy.amin() , numpy.amax()从给定数组中的元素沿指定轴返回最小值和最大值。

　　numpy.ptp()函数返回沿轴的值的范围(最大值 - 最小值)。

　　numpy.percentile()表示小于这个值得观察值占某个百分比

　　numpy.percentile(a, q, axis)

a 输入数组;
q 要计算的百分位数，在 0 ~ 100 之间;
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。

numpy基本操作,列举numpy中常用的5个方法

目录

2.数组形状修改函数

1.ndarray.reshape

2.ndarray.flat

3.ndarray.flatten

3.数组翻转操作函数

1.numpy.transpose

2. numpy.ndarray.T

3.numpy.swapaxes

4.numpy.rollaxis

4.数组修改维度函数

1.numpy.broadcast_to

2.numpy.expand_dims

3.numpy.squeeze

5.数组的连接操作

1.numpy.stack

2.numpy.hstack

3.numpy.vstack

4.numpy.concatenate

6.数组的分割操作

1.numpy.split

2.numpy.hsplit

3.numpy.vsplit

7.数组元素操作

1.numpy.resize

2.numpy.append

3.numpy.insert

4.numpy.delete

5.numpy.unique

8.NumPy - 字符串函数

9.NumPy - 算数函数

1. NumPy -三角函数

2.NumPy -舍入函数

3.NumPy - 算数运算

4.NumPy - 统计函数

相关文章阅读