-
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
=======================================================================
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
=======================================================================
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。
=====================================================================
ravel()
方法将数组维度拉成一维数组
ravel
和flatten
的区别:
-
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
-
flatten在所有情况下打平时都复制了原来的数组
-
ravel()返回的是视图,意味着改变元素的值会影响原始数组;
-
flatten()返回的是拷贝,意味着改变元素的值不会影响原始数组。
-
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;
=====================================================================
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()
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:
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
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.]]])
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。
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)
=====================================================================
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。
-
vsplit
垂直(按行)将阵列拆分为多个子阵列。 -
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])
======================================================================
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)
print(arr.repeat(3)) # 每个元素复制三次
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:
====================================================================
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。
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!