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：
0
1
2
3
4
5
6
7
8

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 ndarray a = 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 , ] ) # 为 6 print ( ' \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 , ) 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 ndarray a = 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 , ) )

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 x b = 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 4
1 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 = ) 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 3
x.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 ) , ) ) 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 ：如果是一个整数，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 ：设置沿着哪个方向进行切分，默认为 0，横向切分，即水平方向。为 1 时，纵向切分，即竖直方向。

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])]

axis 为 0 时在水平方向分割，axis 为 1 时在垂直方向分割：

实例

import numpy as np

a = np. arange ( 16 ) . reshape ( 4 , 4 )
print ( '第一个数组：' )
print ( a )
print ( ' \n ' )
print ( '默认分割（0轴）：' )
b = np. split ( a , 2 )
print ( b )
print ( ' \n ' )

print ( '沿水平方向分割：' )
c = np. split ( a , 2 , 1 )
print ( c )
print ( ' \n ' )

print ( '沿水平方向分割：' )
d = np. hsplit ( a , 2 )
print ( d )

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]]
默认分割（0轴）：
[array([[0, 1, 2, 3],
       [4, 5, 6, 7]]), array([[ 8,  9, 10, 11],
       [12, 13, 14, 15]])]
沿水平方向分割：
[array([[ 0,  1],
       [ 4,  5],
       [ 8,  9],
       [12, 13]]), array([[ 2,  3],
       [ 6,  7],
       [10, 11],
       [14, 15]])]
沿水平方向分割：
[array([[ 0,  1],
       [ 4,  5],
       [ 8,  9],
       [12, 13]]), array([[ 2,  3],
       [ 6,  7],
       [10, 11],
       [14, 15]])]

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 = ) ) 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。 在删除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 = ) ) 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。 在删除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]