2024年Python最全Python数组变形（学习笔记）

• 1.reshape

• 2.flatten

• 3.ravel

• 4.stack

• • （1）concatenate

• （2）vstack

• （3）dstack

• （4）hstack

• （5）r,c模式

• 5.split

• • （1）split

• （2）vsplit和hsplit

• 6.repeat

• • （1）标量参数

• （2）列表参数

• 7.tile

• • （1）标量参数

• （2）元组参数

• 8.sort

• • （1）一维数组排序方法

• （2）多维数组排序方法

• （3）argsort函数

• （4）lexsort函数

• 9.insert

• 10.delete

• 11.copy

• 12.view

1.reshape

=======================================================================

reshape是重塑，常用的三种写法如下：

numpy.arange(n).reshape(a, b)

依次生成 n个自然数，并且以 a行 b列的数组形式显示

numpy.arange(a,b,c)

从数字 a起, 步长为 c, 到 b结束，生成 array

numpy.arange(a,b,c).reshape(m,n)

将array的维度变为 m 行 n 列。

例一：

import numpy as np

arr=np.arange(1,25.0).reshape(4,6)

关于order：

order可以是数组排序的方向不同

（1）order='F'列为主序

（2）order='C'行为主序

一种是以order='F'的方式让数组竖着排序：

arr=np.arange(1,25.0).reshape((6,-1),order=‘F’)

一种是以order='C'的方式让数组横着排序：

arr=np.arange(1,25.0).reshape((6,-1),order=‘C’)

reshape与flattern:

前者完成的是从低维到高维的转换，后者则相反，还可以使用reval函数

2.flatten

=======================================================================

numpy.ndarray.flattern()是用来返回一维数组的函数。

也可以像reshape一样使用order

arr2=arr.flatten(order=‘F’)

一般默认是使用order='C'，有特定需求则使用order='F'。

且 flatten()返回的是拷贝，意味着改变元素的值不会影响原始数组。

3.ravel

=====================================================================

ravel()方法将数组维度拉成一维数组

ravel和flatten的区别：

1. ravel在进行扁平化处理的时候没有复制原来的数组，只在列主序打平时复制原来的数组

2. flatten在所有情况下打平时都复制了原来的数组

3. ravel()返回的是视图，意味着改变元素的值会影响原始数组；

4. flatten()返回的是拷贝，意味着改变元素的值不会影响原始数组。

5. 相同点：这两个函数的功能都是将多维数组转换成一维

ravel()返回的是视图，意味着改变元素的值会影响原始数组；

4.stack

=====================================================================

numpy.stack(arrays, axis=0)：沿着新轴连接数组的序列。

一系列的stack函数有：stack()，hstack()，vstack()

（1）concatenate

---

还有属性例如：concatenate

numpy.concatenate((a1,a2,…), axis=0)函数，能够一次完成多个数组的拼接。其中a1,a2,…是数组类型的参数

arr1=[‘穿过寒冬拥抱你’,‘反贪风暴5：最终章’,‘李茂扮太子’,‘误杀2’]

arr2=[‘以年为单位的恋爱’,‘爱情神话’,‘黑客帝国：矩阵重启’,‘雄狮少年’]

np.concatenate([arr1,arr2])

注意，两个list合并的时候需要用到 [ ] ,否则出错。

axis参数指定新轴在结果尺寸中的索引。例如，如果axis=0，它将是第一个维度，如果axis=-1，它将是最后一个维度。

默认情况下axis=0

arr1=np.arange(1,25.0).reshape(4,6)

arr2=np.arange(26,50.0).reshape(4,6)

np.concatenate([arr1,arr2],axis=1)

np.concatenate([arr1,arr2],axis=0)

如上图所示，axis=1是将不同的列串联起来，axis=0则类似于append，是合并。

将arr1与arr2进行对调：

（2）vstack

---

函数原型：vstack(tup) ，参数tup可以是元组，列表，或者numpy数组，返回结果为numpy的数组。它是垂直（按照行顺序）的把数组给堆叠起来。

vstack 和concatenate( ),axis=0等价

（3）dstack

---

dstack是deep stack，即在深度方向进行合并。

dstack可以将一维数组变成三维数组。

import numpy as np

vstack

np.vstack([arr1,arr2])

#结果：

array([[ 1., 2., 3., 4., 5., 6.],

[ 7., 8., 9., 10., 11., 12.],

[13., 14., 15., 16., 17., 18.],

[19., 20., 21., 22., 23., 24.],

[26., 27., 28., 29., 30., 31.],

[32., 33., 34., 35., 36., 37.],

[38., 39., 40., 41., 42., 43.],

[44., 45., 46., 47., 48., 49.]])

dstack

np.dstack([arr1,arr2])

结果：

array([[[ 1., 26.],

[ 2., 27.],

[ 3., 28.],

[ 4., 29.],

[ 5., 30.],

[ 6., 31.]],

[[ 7., 32.],

[ 8., 33.],

[ 9., 34.],

[10., 35.],

[11., 36.],

[12., 37.]],

[[13., 38.],

[14., 39.],

[15., 40.],

[16., 41.],

[17., 42.],

[18., 43.]],

[[19., 44.],

[20., 45.],

[21., 46.],

[22., 47.],

[23., 48.],

[24., 49.]]])

（4）hstack

---

函数原型：hstack(tup) ，参数tup可以是元组，列表，或者numpy数组，返回结果为numpy的数组,水平(按列顺序)把数组给堆叠起来，vstack()函数正好和它相反。

（5）r,c模式

---

np.r_[arr1,arr2] ，实际上是vstack 与 axis=0 做了一个合并（concatenate）。

np.c_[arr1,arr2] ， hstack 与 axis=1 做了一个合并（concatenate）。

print(np.r_[-2:2:1,[0]*3,5,6])

上面那段代码由三部分组成，-2:2:1表示从-2~2的数字，间隔为1，并且2没有，然后是3个0，接下来是5和6

print((np.r_[‘r’,-2:2:1,[0]*3,5,6])) #二维数组，以行的方式呈现

print((np.r_[‘c’,-2:2:1,[0]*3,5,6])) #二维数组，以列的方式呈现

默认是为r，表示沿着行的方向创建，c则表示以列的方式创建。

注：shape表示矩阵的维度大小。

也可以用'a,b,c'来进行表示，a代表轴，沿着轴a来进行合并，代表合并后数组维度至少是b，c是代表在第c维度上做维度提升

print(np.r_[‘0,2,0’,[1,2,3],[4,5,6]],‘\n’)

print(np.r_[‘0,2,1’,[1,2,3],[4,5,6]],‘\n’)

print(np.r_[‘1,2,0’,[1,2,3],[4,5,6]],‘\n’)

print(np.r_[‘1,2,1’,[1,2,3],[4,5,6]])

b:合并后数组的维度

a=0,沿着轴0合并。(3,)–>(1,3)

a=1,沿着轴1合并。(3,1)–>(3,2)

c=0,在轴0上上升一维,(3,)–>(3,1)

c=1,在轴1上上升一维,(3,)–>(1,3)

5.split

=====================================================================

（1）split

---

split 具体有 split() , hsplit() , vsplit()

arr1=np.arange(1,13.0).reshape(2,6)

arr2=np.arange(14,26.0).reshape(2,6)

arr=np.concatenate([arr1,arr2])

arr3=np.split(arr,2) # 默认情况下是 axis=0

由上图可知，split分割成为二维数组

arr4=np.split(arr,3,axis=1)

print(arr4[0].shape)

arr4

arr5=np.split(arr,4,axis=0)

arr6=np.split(arr,[1,2,3],axis=0)

上述代码块的两行表示是相同的，第二行相当于使用数组的切片方式进行处理。

（2）vsplit和hsplit

---

1. vsplit 垂直（按行）将阵列拆分为多个子阵列。

2. hsplit 水平（按列）将阵列拆分为多个子阵列。

这部分希望大家看下图体会~

arrv=np.vsplit(arr,[1,2,3,4])

arrh=np.hsplit(arr,[1,2,3,4,5])

6.repeat

======================================================================

repeat()： 复制数组中的每个指定元素。

一维数组：用整数型和列表型参考来控制元素被复制的个数

多维数组：用整数型和列表型来控制元素被复制的个数

import numpy as np

arr=np.arange(3)

print(arr.shape)

（1）标量参数

---

print(arr.repeat(3)) # 每个元素复制三次

（2）列表参数

---

print(arr)

print(arr.repeat([1,2,3]))

第一个没有复制，第二个复制了两个，，依次类推

当列表的元素少于数组元素，或者多余数组元素，都会报错，就如下图所示。

上面是一维数组的，接下来再看看二维数组中利用标量参数和轴参数：

print(arr.repeat(2)) # 此时二维数组变成一维的了

print(arr.repeat(2,1))

print(arr.repeat(2,axis=0)) # 在行上面进行复制

再来看看二维数组中的列表参数和轴参数：

7.tile

====================================================================

关于repeat和title，二者的本质都是复制，而repeat是在元素层面进行赋值，title是在数组层面进行赋值。

感谢每一个认真阅读我文章的人，看着粉丝一路的上涨和关注，礼尚往来总是要有的：

①　2000多本Python电子书（主流和经典的书籍应该都有了）

②　Python标准库资料（最全中文版）

③　项目源码（四五十个有趣且经典的练手项目及源码）

④　Python基础入门、爬虫、web开发、大数据分析方面的视频（适合小白学习）

⑤ Python学习路线图（告别不入流的学习）

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！