13-NumPy数组元素增删改查

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]