数据分析---Numpy（二）

​

活动地址：CSDN21天学习挑战赛

上一篇地址点这里：数据分析—Numpy（一）

数组属性–轴数

ndarray.ndim（数组的轴数）

什么是轴?
在numpy中可以理解为方向，使用0，1，2数字表示

• ​对于1维数组，只有0轴;
• ​对于2维数组（shape（2，2))有0轴和1轴;
• 对于3维数组（shape（2，2，3））有0，1，2轴。

数组索引和切片

1、ndarray对象的内容可以通过索引或切片来访问和修改，与 Python 中 list 的索引和切片操作一样
2、ndarray 数组可以基于 0 ~ len(ndarray) - 1的下标进行索引
3、切片对象可以通过内置的 slice 函数，设置 start, stop 及 step 参数,从原数组中切割出一个新数组
4、数组切片的参数设置与列表切片参数类似
5、数组对象[起始位置:终止位置:步长, …] （左闭右开，默认步长为1）

数组高级索引

• 整数数组索引

import numpy as np
a = np.arange(1,13).reshape(3,4)
b = a[[0, 1, 2], [0, 1, 0]]  
print(b)
# 获取数组中(0,0)，(1,1)和(2,0)位置处的元素

import numpy as np 
a = np.arange(1, 13).reshape(3, 4)
rows = np.array([[0, 0], [2, 2]]) 
cols = np.array([[0, 2], [0, 2]]) 
b = a[rows, cols] 
print(b)

• 布尔索引

布尔索引通过布尔运算（如：比较运算符）来获取符合指定条件的元素的数组

import numpy as np 
a = np.arange(1, 13).reshape(3, 4)
b = a[a > 8]
print(b)

• 花式索引

花式索引根据索引数组的值作为目标数组的某个轴的下标来取值

import numpy as np 
x=np.arange(32).reshape((8,4))
print (x[[4,2,1,7]])

数组操作

1、数组形状修改

• 就地变维：直接改变原数组对象的维度，不返回新数组
  ndarray.shape = ()
  ndarray.resize()
• 复制变维（数据独立）
  ndarray.flatten()（ndarray.tolist()）
• 视图变维（数据共享）
  ndarray.reshape() 与 np.ravel(a,order=“”)

2、数组数值修改

用索引或切片获取数据后直接赋值修改

import numpy as np
t = np.arange(24).reshape(4,6) 
t[1,:]=0			# 修改某一行的值 
t[:,1]=0			# 修改某一列的值 
t[1:3,:]=0			# 修改连续多行 
t[:,1:4]=0			# 修改连续多列 
t[1:4,2:5]=0 		# 修改多行多列
t[[0,1],[0,3]]=0    # 修改多个不相邻的点 

3、添加数组元素
（1）numpy.append(arr, values, axis=None) 将值附加到数组的末尾

• 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，横向拼接，返回一维数组
  • 当axis=0，列数要相同，行增加
  • 当axis=1，行数要相同，列增加

（2）numpy.insert(arr, obj, values, axis=None)

• arr：输入数组
• obj：在其之前插入值的索引
• values：要插入的值
• axis：轴，如果未提供，则输入数组会被展开

4、删除数组元素
numpy.delete(arr, obj, axis=None)

• arr：输入数组
• obj：要沿指定轴删除的子数组的索引，接收切片，整数或整数数组
• axis：沿着它插入的轴，如果未提供，则输入数组会被展开

5、数组元素去重
numpy.unique(ar, return_index=False, return_inverse=False, return_counts=False, axis=None)

• 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
• axis：轴，如果为None，则ar将被展平

import numpy as np
array = np.array([5,2,6,2,7,5,6,8,2,9])
u,index,counts=np.unique(array,return_index=True,return_counts=True)
print(u,'\n',index,'\n',counts)

6、裁剪数组元素
numpy.clip(a, a_min, a_max, out = None, ** kwargs)

裁剪（限制）数组中的值

• a：要裁剪元素的数组
• a_min：最小值。如果为“无”，则不会在较低间隔的边缘进行裁剪
• a_max：最大值。如果为“无”，则不会在间隔的上限边缘执行剪裁
• out：结果将放置在此数组中

import numpy as np
array = np.arange(24).reshape((4,6))
np.clip(array,10,18,array)
print(array)

7、数组行列交换

利用python交换赋值原理(x, y = y, x)

• 行交换
  例如：t[[1, 2], :] = t[[2, 1], :]
• 列交换
  例如：t[: ,[0, 2]] = t[: ,[2, 0]]

8、数组转置
array.T

9、连接数组

• numpy.concatenate((a1, a2, …), axis) 按照axis轴向连接数组

a1, a2, …：相同类型的数组
axis：轴向，默认为 0

• numpy.column_stack(*args, **kwargs)

一维或二维数组按照列合并成二维数组

• numpy.row_stack(*args, **kwargs)

一维或二维数组按照行合并成二维数组

• numpy.stack(arrays, axis = 0, out = None)

沿新轴连接一系列数组

• numpy.hstack((a1,a2))

水平堆叠生成数组

• numpy.vstack((a1,a2))

垂直堆叠生成数组

• numpy.dstack((a1,a2))

深度堆叠生成数组（3维）

• numpy.pad(array, pad_width, mode=‘constant’, **kwargs)

长度不等的数组可以通过np.pad()函数填充长度

10、分割数组
numpy.split(ary, indices_or_sections, axis=0)

将数组拆分为多个子数组，作为ary的视图

numpy.hsplit(ary，in dexs_or_sections)

水平（按列）将一个数组拆分为多个子数组

numpy.vsplit(ary，indexs_or_sections)

垂直（行）将一个数组拆分为多个子数组

numpy.dsplit(ary，indexs_or_sections)

沿第3轴（深度）将数组拆分为多个子数组