今天学习了
11, NumPy数组元素增删改查
NumPy 数组元素的增删改查操作,主要有以下方法:
数组元素操作方法
函数名称 描述说明
resize 返回指定形状的新数组。
append 将元素值添加到数组的末尾。
insert 沿规定的轴将元素值插入到指定的元素前。
delete 删掉某个轴上的子数组,并返回删除后的新数组。
argwhere 返回数组内符合条件的元素的索引值。
unique 用于删除数组中重复的元素,并按元素值由大到小返回一个新数组。
numpy_test5.py :
import numpy as np ''' 11, NumPy数组元素增删改查 NumPy 数组元素的增删改查操作,主要有以下方法: 数组元素操作方法 函数名称 描述说明 resize 返回指定形状的新数组。 append 将元素值添加到数组的末尾。 insert 沿规定的轴将元素值插入到指定的元素前。 delete 删掉某个轴上的子数组,并返回删除后的新数组。 argwhere 返回数组内符合条件的元素的索引值。 unique 用于删除数组中重复的元素,并按元素值由大到小返回一个新数组。 ''' ''' (1). numpy.resize() numpy.resize() 返回指定形状的新数组。 numpy.resize(arr, shape) ''' print("----(1). numpy.resize()----") arr1 = np.array([[1, 2, 3], [4, 5, 6]]) print("arr1:", arr1) # arr1数组的形状 print("arr1数组的形状:", arr1.shape) arr2 = np.resize(arr1, (3, 2)) # arr2数组 print("arr2:", arr2) # arr2数组的形状 print("arr2数组的形状:", arr2.shape) # 修改 arr3 数组使其形状大于原始数组 arr3 = np.resize(arr1, (3, 3)) print("arr3:", arr3) ''' arr1: [[1 2 3] [4 5 6]] arr1数组的形状: (2, 3) arr2: [[1 2] [3 4] [5 6]] arr2数组的形状: (3, 2) arr3: [[1 2 3] [4 5 6] [1 2 3]] 区别 resize() 和 reshape() 的使用方法,它们看起来相似,实则不同。 resize 仅对原数组进行修改,没有返回值. 而 reshape 不仅对原数组进行修改,同时返回修改后的结果。 ''' arr4 = np.arange(12) print("arr4:", arr4) # 调用resize方法 arr4_resize = arr4.resize(2, 3, 2) print("调用resize方法后,arr4:", arr4) # 返回None使用print打印 print("arr4_resize:", arr4_resize) # 调用reshape方法 arr4_shape = arr4.reshape(2, 3, 2) print("调用reshape方法后,arr4:", arr4) # 返回修改后的数组 print("arr4_shape:", arr4_shape) ''' arr4: [ 0 1 2 3 4 5 6 7 8 9 10 11] 调用resize方法后,arr4: [[[ 0 1] [ 2 3] [ 4 5]] [[ 6 7] [ 8 9] [10 11]]] arr4_resize: None 调用reshape方法后,arr4: [[[ 0 1] [ 2 3] [ 4 5]] [[ 6 7] [ 8 9] [10 11]]] arr4_shape: [[[ 0 1] [ 2 3] [ 4 5]] [[ 6 7] [ 8 9] [10 11]]] ''' ''' (2). numpy.append() 在数组的末尾添加值,它返回一个一维数组。 numpy.append(arr, values, axis=None) 参数说明: arr:输入的数组; values:向 arr 数组中添加的值,需要和 arr 数组的形状保持一致; axis:默认为 None,返回的是一维数组;当 axis =0 时,追加的值会被添加到行,而列数保持不变, 若 axis=1 则与其恰好相反,追加的值会被添加到列,而行数保持不变。 ''' print("----(2). numpy.append()----") arr5 = np.array([[1, 2, 3], [4, 5, 6]]) print("arr5:", arr5) # 向数组 arr5 添加元素 arr6 = np.append(arr5, [7, 8, 9]) print("arr6:", arr6) # 沿轴 0 添加元素 arr7 = np.append(arr5, [[7, 8, 9]], axis=0) print("arr7:", arr7) # 沿轴 1 添加元素 arr8 = np.append(arr5, [[4, 5, 6], [7, 8, 9]], axis=1) print("arr8:", arr8) ''' arr5: [ [1 2 3] [4 5 6] ] arr6: [1 2 3 4 5 6 7 8 9] arr7: [ [1 2 3] [4 5 6] [7 8 9] ] arr8: [ [1 2 3 4 5 6] [4 5 6 7 8 9] ] ''' ''' (3). numpy.insert() 表示沿指定的轴,在给定索引值的前一个位置插入相应的值,如果没有提供轴,则输入数组被展开为一维数组。 numpy.insert(arr, obj, values, axis) 参数说明: arr:要输入的数组 obj:表示索引值,在该索引值之前插入 values 值; values:要插入的值; axis:默认为 None,返回的是一维数组;当 axis =0 时,追加的值会被添加到行,而列数保持不变, 若 axis=1 则与其恰好相反,追加的值会被添加到列,而行数保持不变。 ''' print("----(3). numpy.insert()----") arr9 = np.array([[1, 2], [3, 4], [5, 6]]) print("arr9:", arr9) # 不提供axis的情况,会将数组展开 arr10 = np.insert(arr9, 3, [7, 8]) print("arr10:", arr10) # 沿轴 0 垂直方向 arr11 = np.insert(arr9, 1, [7], axis=0) print("arr11:", arr11) # 沿轴 1 水平方向 arr12 = np.insert(arr9, 1, 7, axis=1) print("arr12:", arr12) ''' arr9: [ [1 2] [3 4] [5 6] ] arr10: [1 2 3 7 8 4 5 6] arr11: [[1 2] [7 7] [3 4] [5 6]] arr12: [[1 7 2] [3 7 4] [5 7 6]] ''' ''' (4). numpy.delete() 该方法表示从输入数组中删除指定的子数组,并返回一个新数组。 它与 insert() 函数相似,若不提供 axis 参数,则输入数组被展开为一维数组。 numpy.delete(arr, obj, axis) 参数说明: arr:要输入的数组; obj:整数或者整数数组,表示要被删除数组元素或者子数组; axis:沿着哪条轴删除子数组。 ''' print("----(4). numpy.delete()----") arr13 = np.arange(12).reshape(3, 4) print("arr13:", arr13) # 不提供axis参数情况 arr14 = np.delete(arr13, 5) print("arr14:", arr14) # 删除第2列 arr15 = np.delete(arr13, 1, axis=1) print("arr15:", arr15) # 删除经切片后的数组 arr16 = np.arange(10) print("arr16:", arr16) # np.s_[::2],保留数组的偶数位置元素 arr17 = np.delete(arr16, np.s_[::2]) print("arr17:", arr17) ''' arr13: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] arr14: [ 0 1 2 3 4 6 7 8 9 10 11] arr15: [[ 0 2 3] [ 4 6 7] [ 8 10 11]] arr16: [0 1 2 3 4 5 6 7 8 9] arr17: [1 3 5 7 9] ''' ''' (5). numpy.argwhere() 该函数返回数组中非 0 元素的索引,若是多维数组则返回行、列索引组成的索引坐标。 ''' print("----(5). numpy.argwhere()----") arr18 = np.arange(9).reshape(3, 3) print("arr18:", arr18) # 返回所有大于 3 的元素索引,返回行列索引坐标 arr19 = np.argwhere(arr18 > 3) print("arr19:", arr19) ''' arr18: [[0 1 2] [3 4 5] [6 7 8]] arr19: [[1 1] [1 2] [2 0] [2 1] [2 2]] ''' ''' (6). numpy.unique() 用于删除数组中重复的元素,其语法格式如下: numpy.unique(arr, return_index, return_inverse, return_counts) 参数说明: arr:输入数组,若是多维数组则以一维数组形式展开; return_index:如果为 True,则返回新数组元素在原数组中的位置(索引); return_inverse:如果为 True,则返回原数组元素在新数组中的位置(索引); return_counts:如果为 True,则返回去重后的数组元素在原数组中出现的次数。 ''' print("----(6). numpy.unique()----") arr20 = np.array([3, 2, 3, 2, 7, 5, 6, 8, 5, 9]) print("arr20:", arr20) # 对arr20数组的去重 arr20_unique = np.unique(arr20) print("arr20_unique:", arr20_unique) # 数组去重后的索引数组 arr20_unique, indices = np.unique(arr20, return_index=True) # 返回新数组元素在原数组中的位置(索引) print("indices:", indices) # 去重数组的下标 arr20_unique, inverse = np.unique(arr20, return_inverse=True) # 返回原数组元素在新数组中的位置(索引) print("inverse:", inverse) # 返回去重元素的重复数量 arr20_unique, counts = np.unique(arr20, return_counts=True) # 返回去重后的数组元素在原数组中出现的次数 print("counts:", counts) ''' arr20: [3 2 3 2 7 5 6 8 5 9] arr20_unique: [2 3 5 6 7 8 9] indices: [1 0 5 6 4 7 9] inverse: [1 0 1 0 4 2 3 5 2 6] counts: [2 2 2 1 1 1 1] '''
标签:numpy,元素,学习,np,arr4,数组,print,NumPy From: https://www.cnblogs.com/xh2023/p/17444321.html