Python_numpy_数组的处理

一.添加数组元组

• append()函数

  描述

  • 可以在数组的末尾添加元素

  用法和参数

  • numpy.append(arr, values, axis=None)
    • arr：必选，要添加元素的数组
    • values：必选，要添加的数组元素
    • axis：可选，默认值为None。当省略该参数时，表示在数组的末尾添加元素，且返回一个一维数组；当axis的值为0时，表示在行方向上添加元素；当axis的值为1时，表示在列方向上添加元素

  实例

  import numpy as np
  
  arr = np.array(
      [
          [1, 2, 3],
          [4, 5, 6]
      ]
  )
  arr1 = np.append(arr, [[7, 8, 9]])
  print(arr1)
  '''
  [1 2 3 4 5 6 7 8 9]
  '''
  arr2 = np.append(arr, [[7, 8, 9]], axis=0)
  print(arr2)
  '''
  [[1 2 3]
   [4 5 6]
   [7 8 9]]
  '''
  arr3 = np.append(arr, [[7, 8], [9, 10]], axis=1)
  print(arr3)
  '''
  [[ 1  2  3  7  8]
   [ 4  5  6  9 10]]
  '''
  

• insert()函数

  描述

  • 在数组的指定位置插入元素

  用法和参数

  • arr：必选，要插入元素的数组
  • obj：必选，数组的索引值，表示插入元素的位置
  • values：必选，要插入的元素
  • axis：可选，当省略该参数时，会先将数组展开成一个一维数组，再在一维数组的指定位置插入元素；当axis的值为0时，表示在行方向上的指定位置插入元素；当axis的值为1时，表示在列方向上的指定位置插入元素

  实例

  import numpy as np
  
  arr = np.array(
      [
          [1, 2],
          [3, 4],
          [5, 6]
      ]
  )
  # 在数组索引为1的位置插入元素[7, 8]
  arr1 = np.insert(arr, 1, [7, 8])
  print(arr1)
  '''
  [1 7 8 2 3 4 5 6]
  '''
  # 在数组索引为1的位置插入[7, 8]元素
  arr2 = np.insert(arr, 1, [7, 8], axis=0)
  print(arr2)
  '''
  [[1 2]
   [7 8]
   [3 4]
   [5 6]]
  '''
  # 在数组索引为1的位置插入[7, 8, 9]元素
  arr3 = np.insert(arr, 1, [7, 8, 9], axis=1)
  print(arr3)
  '''
  [[1 7 2]
   [3 8 4]
   [5 9 6]]
  '''
  

二.删除数组的元素

描述

• 将数组中指定位置的元素删除

方法和参数

• numpy.delete(arr, obj, axis)
  • arr：输入数组
  • obj：可以被切片，整数或者数组，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

arr = np.array(
    [
        [1, 2, 3],
        [4, 5, 6],
        [7, 8, 9]
    ]
)
# 删除数组的第3个元素
arr1 = np.delete(arr, 2)
# 删除数组第3行的元素
arr2 = np.delete(arr, 2, axis=0)
# 删除数组第3列的元素
arr3 = np.delete(arr, 2, axis=1)
print(arr1)
'''
[1 2 4 5 6 7 8 9]
'''
print(arr2)
'''
[[1 2 3]
 [4 5 6]]
'''
print(arr3)
'''
[[1 2]
 [4 5]
 [7 8]]
'''

三.处理数组的缺失值

描述

• 标记数组中缺失值的位置

用法和参数

• numpy.isnan(arr)
  • arr：数组

实例

import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6, np.nan, 8, 9])
print(arr)              # [ 1.  2.  3.  4.  5.  6. nan  8.  9.]
# 将数组中的空值的位置填充为True，其余为False
print(np.isnan(arr))    # [False False False False False False  True False False]
# 将数组中的空值替换为0
arr[np.isnan(arr)] = 0
print(arr)              # [1. 2. 3. 4. 5. 6. 0. 8. 9.]

四.处理数组的重复值

描述

• 去处数组中的重复元素，之后按照数组中的元素从小到大排列

用法

• 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

arr = np.array(
    [8, 4, 2, 3, 5, 2, 5, 6, 7, 8, 9]
)
# 对数组进行去重处理
arr1 = np.unique(arr)
print(arr1)         # [2 3 4 5 6 7 8 9]
# 查看去重重组数组中的元素在原数组中出现的位置
arr2, arr3 = np.unique(arr, return_counts=True)
print(arr2)         # [2 3 4 5 6 7 8 9]
print(arr3)         # [2 1 1 2 1 1 2 1]

五.拼接数组

描述

• concatenate：用于沿指定轴连接相同形状的两个或多个数组
• hstack：水平堆叠生成数组
• vstack：垂直堆叠生成数组

用法和参数

• numpy.concatenate((a1, a2, …), axis)
  • a1, a2, …：相同类型的数组
  • axis：沿着它连接数组的轴，默认为 0
• numpy.hstack(arrays)
  • arrays：相同形状的数组序列
• numpy.vstatck(arrays)
  • arrays：相同形状的数组序列

实例

import numpy as np
arr1 = np.array(
    [
        [1, 2, 3],
        [4, 5, 6]
    ]
)
arr2 = np.array(
    [
        [7, 8, 9],
        [10, 11, 12]
    ]
)
arr3 = np.concatenate((arr1, arr2), axis=0)
print(arr3)
'''
[[ 1  2  3]
 [ 4  5  6]
 [ 7  8  9]
 [10 11 12]]
'''
arr4 = np.concatenate((arr1, arr2), axis=1)
print(arr4)
'''
[[ 1  2  3  7  8  9]
 [ 4  5  6 10 11 12]]
'''
arr5 = np.hstack((arr1, arr2))
print(arr5)
'''
[[ 1  2  3  7  8  9]
 [ 4  5  6 10 11 12]]
'''
arr6 = np.vstack((arr1, arr2))
print(arr6)
'''
[[ 1  2  3]
 [ 4  5  6]
 [ 7  8  9]
 [10 11 12]]
'''

六.拆分数组

描述

• split：沿特定的轴将数组分割为子数组
• hsplit：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。
• vsplit：垂直分割数组，通过指定要返回的相同形状的数组数量来拆分原数组。

用法和参数

• numpy.split(ary, indices_or_sections, axis)
  • 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。
• numpy.hsplit(ary, indices_or_sections)
  • 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）
• numpy.vsplit(ary, indices_or_sections)
  • 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）

实例

import numpy as np

arr1 = np.array(
    [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]
)
arr2 = np.array(
    [
        [1, 2, 3, 4],
        [5, 6, 7, 8],
        [9, 10, 11, 12],
        [13, 14, 15, 16]
    ]
)

arr3 = np.split(arr1, 2)
arr4 = np.split(arr1, [2, 4])
arr5 = np.hsplit(arr2, 2)
arr6 = np.vsplit(arr2, 2)
print(arr1)
'''
[ 1  2  3  4  5  6  7  8  9 10 11 12]
'''
print(arr2)
'''
[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]
 [13 14 15 16]]
 '''
print(arr3)
'''
[array([1, 2, 3, 4, 5, 6]), array([ 7,  8,  9, 10, 11, 12])]
'''
print(arr4)
'''
[array([1, 2]), array([3, 4]), array([ 5,  6,  7,  8,  9, 10, 11, 12])]
'''