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:
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)
使用示例:
import numpy as np
a = np.array([[1,2,3],[4,5,6]])
print("原始数组:\n",a)
print("原始数组的形状:",a.shape)
b = np.resize(a,(3,2))
print("更改形状后的数组:\n",b)
print("更改形状后的数组形状:\n",b.shape)
c = np.resize(a,(3,3))
print("修改后的数组形状大于原始数组:\n",c)
输出结果为:
原始数组:
[[1 2 3]
[4 5 6]]
原始数组的形状: (2, 3)
更改形状后的数组:
[[1 2]
[3 4]
[5 6]]
更改形状后的数组形状:
(3, 2)
修改后的数组形状大于原始数组:
[[1 2 3]
[4 5 6]
[1 2 3]]
这里需要区别 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。
看一组示例,如下所示:
import numpy as np
a = np.arange(12)
print("原始数组:\n", a)
b = a.resize(2, 3, 2)
print("原始数组:\n", a)
print("新数组:\n", b)# 打印None
c = a.reshape(2,3,2)
print("原始数组:\n", a)
print("使用reshape修改形状:\n",c)
原始数组:
[ 0 1 2 3 4 5 6 7 8 9 10 11]
原始数组:
[[[ 0 1]
[ 2 3]
[ 4 5]]
[[ 6 7]
[ 8 9]
[10 11]]]
新数组:
None
原始数组:
[[[ 0 1]
[ 2 3]
[ 4 5]]
[[ 6 7]
[ 8 9]
[10 11]]]
使用reshape修改形状:
[[[ 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。
使用示例:
import numpy as np
arr = np.array([[1,2,3],[4,5,6]])
print("原始数组:\n",arr)
arr1 = np.append(arr,[7,8,9])
print("添加元素后:\n",arr1)
arr2 = np.append(arr,[[7,8,9]],axis=0)
print("沿着0轴添加元素:\n",arr2)
arr3 = np.append(arr,[[7,8,9],[2,2,2]],axis=1)
print("沿着1轴添加元素:\n",arr3)
输出结果为:
原始数组:
[[1 2 3]
[4 5 6]]
添加元素后:
[1 2 3 4 5 6 7 8 9]
沿着0轴添加元素:
[[1 2 3]
[4 5 6]
[7 8 9]]
沿着1轴添加元素:
[[1 2 3 7 8 9]
[4 5 6 2 2 2]]
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:指定的轴,如果未提供,则输入数组会被展开为一维数组。
示例如下:
import numpy as np
arr = np.array([[1,2,3],[4,5,6]])
print("原始数组:\n",arr)
arr1 = np.insert(arr,1,[7,8,9])
print("添加元素后:\n",arr1)
arr2 = np.insert(arr,1,[7,8,9],axis=0)
print("沿0轴添加元素后:\n",arr2)
arr2 = np.insert(arr,1,9,axis=1)
print("沿1轴添加元素后:\n",arr2)
输出结果如下:
原始数组:
[[1 2 3]
[4 5 6]]
添加元素后:
[1 7 8 9 2 3 4 5 6]
沿0轴添加元素后:
[[1 2 3]
[7 8 9]
[4 5 6]]
沿1轴添加元素后:
[[1 9 2 3]
[4 9 5 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。
使用示例:
import numpy as np
arr = np.array([[1,2,3],[4,5,6]])
print("原始数组:\n",arr)
arr1 = np.delete(arr,2)
print("删除元素后:\n",arr1)
arr2= np.delete(arr,1,axis=0)
print("沿0轴删除元素后:\n",arr2)
arr3= np.delete(arr,1,axis=1)
print("沿1轴删除元素后:\n",arr3)
输出结果为:
原始数组:
[[1 2 3]
[4 5 6]]
删除元素后:
[1 2 4 5 6]
沿0轴删除元素后:
[[1 2 3]]
沿1轴删除元素后:
[[1 3]
[4 6]]
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。
示例如下所示:
import numpy as np
arr = np.array([[1,2,3],[4,5,6]])
print("原始数组:\n",arr)
index = np.argwhere(arr>1)
print("所有大于1元素的坐标:\n",index)
import numpy as npx = np.arange(6).reshape(2,3)print(x)#返回所有大于1的元素索引y=np.argwhere(x>1)print(y)
输出结果:
原始数组:
[[1 2 3]
[4 5 6]]
所有大于1元素的坐标:
[[0 1]
[0 2]
[1 0]
[1 1]
[1 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。
示例如下:
import numpy as np
a = np.array([5,2,6,2,7,5,6,8,2,9])
print("原始数组:\n",a)
uq = np.unique(a)
print("去重后数组:\n",uq)
u,indices = np.unique(a, return_index = True)
print("去重后元素:\n",u)
print("去重后元素在原数组中的索引:\n",indices)
ui,indices = np.unique(a,return_inverse = True)
print("去重后元素:\n",ui)
print("去重前元素在原数组中的索引:\n",indices)
#返回去重元素的重复数量
uc,indices = np.unique(a,return_counts = True)
print("去重后元素:\n",uc)
print("去重后元素在原数组中出现次数:\n",indices)
输出结果为:
原始数组:
[5 2 6 2 7 5 6 8 2 9]
去重后数组:
[2 5 6 7 8 9]
去重后元素:
[2 5 6 7 8 9]
去重后元素在原数组中的索引:
[1 0 2 4 7 9]
去重后元素:
[2 5 6 7 8 9]
去重前元素在原数组中的索引:
[1 0 2 0 3 1 2 4 0 5]
去重后元素:
[2 5 6 7 8 9]
去重后元素在原数组中出现次数:
[3 2 2 1 1 1]