Numpy array数据的增、删、改、查

最新推荐文章于 2024-06-28 00:57:51 发布
最新推荐文章于 2024-06-28 00:57:51 发布
阅读量5.7k 收藏 14
点赞数 2

准备工作：

增、删、改、查的方法有很多很多种，这里只展示出常用的几种。

[python] view plain copy
print ?
  1. >>> import numpy as np  
  2. >>> a = np.array([[1,2],[3,4],[5,6]])#创建3行2列二维数组。  
  3. >>> a  
  4. array([[1, 2],  
  5.        [3, 4],  
  6.        [5, 6]])  
  7. >>> a = np.zeros(6)#创建长度为6的，元素都是0一维数组  
  8. >>> a = np.zeros((2,3))#创建3行2列，元素都是0的二维数组  
  9. >>> a = np.ones((2,3))#创建3行2列，元素都是1的二维数组  
  10. >>> a = np.empty((2,3)) #创建3行2列,未初始化的二维数组  
  11. >>> a = np.arange(6)#创建长度为6的，元素都是0一维数组array([0, 1, 2, 3, 4, 5])  
  12. >>> a = np.arange(1,7,1)#结果与np.arange(6)一样。第一，二个参数意思是数值从1〜6,不包括7.第三个参数表步长为1.  
  13. a = np.linspace(0,10,7) # 生成首位是0，末位是10，含7个数的等差数列[  0.           1.66666667   3.33333333   5.         6.66666667  8.33333333  10.        ]  
  14. a = np.logspace(0,4,5)#用于生成首位是10**0，末位是10**4，含5个数的等比数列。[  1.00000000e+00   1.00000000e+01   1.00000000e+02   1.00000000e+03 1.00000000e+04]  
>>> import numpy as np
>>> a = np.array([[1,2],[3,4],[5,6]])#创建3行2列二维数组。
>>> a
array([[1, 2],
       [3, 4],
       [5, 6]])
>>> a = np.zeros(6)#创建长度为6的，元素都是0一维数组
>>> a = np.zeros((2,3))#创建3行2列，元素都是0的二维数组
>>> a = np.ones((2,3))#创建3行2列，元素都是1的二维数组
>>> a = np.empty((2,3)) #创建3行2列,未初始化的二维数组
>>> a = np.arange(6)#创建长度为6的，元素都是0一维数组array([0, 1, 2, 3, 4, 5])
>>> a = np.arange(1,7,1)#结果与np.arange(6)一样。第一，二个参数意思是数值从1〜6,不包括7.第三个参数表步长为1.
a = np.linspace(0,10,7) # 生成首位是0，末位是10，含7个数的等差数列[  0.           1.66666667   3.33333333   5.         6.66666667  8.33333333  10.        ]
a = np.logspace(0,4,5)#用于生成首位是10**0，末位是10**4，含5个数的等比数列。[  1.00000000e+00   1.00000000e+01   1.00000000e+02   1.00000000e+03 1.00000000e+04]

增

[python] view plain copy
print ?
  1. >>> a = np.array([[1,2],[3,4],[5,6]])  
  2. >>> b = np.array([[10,20],[30,40],[50,60]])  
  3. >>> np.vstack((a,b))  
  4. array([[ 1,  2],  
  5.        [ 3,  4],  
  6.        [ 5,  6],  
  7.        [10, 20],  
  8.        [30, 40],  
  9.        [50, 60]])  
  10. >>> np.hstack((a,b))  
  11. array([[ 1,  2, 10, 20],  
  12.        [ 3,  4, 30, 40],  
  13.        [ 5,  6, 50, 60]])  
>>> a = np.array([[1,2],[3,4],[5,6]])
>>> b = np.array([[10,20],[30,40],[50,60]])
>>> np.vstack((a,b))
array([[ 1,  2],
       [ 3,  4],
       [ 5,  6],
       [10, 20],
       [30, 40],
       [50, 60]])
>>> np.hstack((a,b))
array([[ 1,  2, 10, 20],
       [ 3,  4, 30, 40],
       [ 5,  6, 50, 60]])

不同维数的数组直接相加显然是不允许的。但是可以用一个n行列向量和一个m列行向量构造出一个n×m矩阵

[python] view plain copy
print ?
  1. >>> a = np.array([[1],[2]])  
  2. >>> a  
  3. array([[1],  
  4.        [2]])  
  5. >>> b=([[10,20,30]])#生成一个list，注意，不是np.array。  
  6. >>> b  
  7. [[10, 20, 30]]  
  8. >>> a+b  
  9. array([[11, 21, 31],  
  10.        [12, 22, 32]])  
  11. >>> c = np.array([10,20,30])  
  12. >>> c  
  13. array([10, 20, 30])  
  14. >>> c.shape  
  15. (3,)  
  16. >>> a+c  
  17. array([[11, 21, 31],  
  18.        [12, 22, 32]])  
>>> a = np.array([[1],[2]])
>>> a
array([[1],
       [2]])
>>> b=([[10,20,30]])#生成一个list，注意，不是np.array。
>>> b
[[10, 20, 30]]
>>> a+b
array([[11, 21, 31],
       [12, 22, 32]])
>>> c = np.array([10,20,30])
>>> c
array([10, 20, 30])
>>> c.shape
(3,)
>>> a+c
array([[11, 21, 31],
       [12, 22, 32]])

查

[python] view plain copy
print ?
  1. >>> a  
  2. array([[1, 2],  
  3.        [3, 4],  
  4.        [5, 6]])  
  5. >>> a[0] # array([1, 2])  
  6. >>> a[0][1]#2  
  7. >>> a[0,1]#2  
  8. >>> b = np.arange(6)#array([0, 1, 2, 3, 4, 5])  
  9. >>> b[1:3]#右边开区间array([1, 2])  
  10. >>> b[:3]#左边默认为 0array([0, 1, 2])  
  11. >>> b[3:]#右边默认为元素个数array([3, 4, 5])  
  12. >>> b[0:4:2]#下标递增2array([0, 2])  
>>> a
array([[1, 2],
       [3, 4],
       [5, 6]])
>>> a[0] # array([1, 2])
>>> a[0][1]#2
>>> a[0,1]#2
>>> b = np.arange(6)#array([0, 1, 2, 3, 4, 5])
>>> b[1:3]#右边开区间array([1, 2])
>>> b[:3]#左边默认为 0array([0, 1, 2])
>>> b[3:]#右边默认为元素个数array([3, 4, 5])
>>> b[0:4:2]#下标递增2array([0, 2])

NumPy的where函数使用

np.where(condition, x, y)，第一个参数为一个布尔数组，第二个参数和第三个参数可以是标量也可以是数组。

[python] view plain copy
print ?
  1. cond = numpy.array([True,False,True,False])  
  2. a = numpy.where(cond,-2,2)# [-2  2 -2  2]  
  3. cond = numpy.array([1,2,3,4])  
  4. a = numpy.where(cond>2,-2,2)# [ 2  2 -2 -2]  
  5. b1 = numpy.array([-1,-2,-3,-4])  
  6. b2 = numpy.array([1,2,3,4])  
  7. a = numpy.where(cond>2,b1,b2) # 长度须匹配# [1,2,-3,-4]  
cond = numpy.array([True,False,True,False])
a = numpy.where(cond,-2,2)# [-2  2 -2  2]
cond = numpy.array([1,2,3,4])
a = numpy.where(cond>2,-2,2)# [ 2  2 -2 -2]
b1 = numpy.array([-1,-2,-3,-4])
b2 = numpy.array([1,2,3,4])
a = numpy.where(cond>2,b1,b2) # 长度须匹配# [1,2,-3,-4]

改

[python] view plain copy
print ?
  1. >>> a = np.array([[1,2],[3,4],[5,6]])  
  2. >>> a[0] = [11,22]#修改第一行数组[1,2]为[11,22]。  
  3. >>> a[0][0] = 111#修改第一个元素为111,修改后，第一个元素“1”改为“111”。  
  4.   
  5. >>> a = np.array([[1,2],[3,4],[5,6]])  
  6. >>> b = np.array([[10,20],[30,40],[50,60]])  
  7. >>> a+b #加法必须在两个相同大小的数组键间运算。  
  8. array([[11, 22],  
  9.        [33, 44],  
  10.        [55, 66]])  
>>> a = np.array([[1,2],[3,4],[5,6]])
>>> a[0] = [11,22]#修改第一行数组[1,2]为[11,22]。
>>> a[0][0] = 111#修改第一个元素为111,修改后，第一个元素“1”改为“111”。

>>> a = np.array([[1,2],[3,4],[5,6]])
>>> b = np.array([[10,20],[30,40],[50,60]])
>>> a+b #加法必须在两个相同大小的数组键间运算。
array([[11, 22],
       [33, 44],
       [55, 66]])

不同维数的数组直接相加显然是不允许的。但是可以用一个n行列向量和一个m列行向量构造出一个n×m矩阵

[python] view plain copy
print ?
  1. >>> a = np.array([[1],[2]])  
  2. >>> a  
  3. array([[1],  
  4.        [2]])  
  5. >>> b=([[10,20,30]])#生成一个list，注意，不是np.array。  
  6. >>> b  
  7. [[10, 20, 30]]  
  8. >>> a+b  
  9. array([[11, 21, 31],  
  10.        [12, 22, 32]])  
  11. >>> c = np.array([10,20,30])  
  12. >>> c  
  13. array([10, 20, 30])  
  14. >>> c.shape  
  15. (3,)  
  16. >>> a+c  
  17. array([[11, 21, 31],  
  18.        [12, 22, 32]])  
>>> a = np.array([[1],[2]])
>>> a
array([[1],
       [2]])
>>> b=([[10,20,30]])#生成一个list，注意，不是np.array。
>>> b
[[10, 20, 30]]
>>> a+b
array([[11, 21, 31],
       [12, 22, 32]])
>>> c = np.array([10,20,30])
>>> c
array([10, 20, 30])
>>> c.shape
(3,)
>>> a+c
array([[11, 21, 31],
       [12, 22, 32]])

数组和一个数字的加减乘除的运算，相当于一个广播，把这个运算广播到各个元素中去。

[python] view plain copy
print ?
  1. >>> a = np.array([[1,2],[3,4],[5,6]])  
  2. >>> a*2#相当于a中各个元素都乘以2.类似于广播。  
  3. array([[ 2,  4],  
  4.        [ 6,  8],  
  5.        [10, 12]])  
  6. >>> a**2  
  7. array([[ 1,  4],  
  8.        [ 9, 16],  
  9.        [25, 36]])  
  10. >>> a>3  
  11. array([[False, False],  
  12.        [False,  True],  
  13.        [ True,  True]])  
  14. >>> a+3  
  15. array([[4, 5],  
  16.        [6, 7],  
  17.        [8, 9]])  
  18. >>> a/2  
  19. array([[0.5, 1. ],  
  20.        [1.5, 2. ],  
  21.        [2.5, 3. ]])  
>>> a = np.array([[1,2],[3,4],[5,6]])
>>> a*2#相当于a中各个元素都乘以2.类似于广播。
array([[ 2,  4],
       [ 6,  8],
       [10, 12]])
>>> a**2
array([[ 1,  4],
       [ 9, 16],
       [25, 36]])
>>> a>3
array([[False, False],
       [False,  True],
       [ True,  True]])
>>> a+3
array([[4, 5],
       [6, 7],
       [8, 9]])
>>> a/2
array([[0.5, 1. ],
       [1.5, 2. ],
       [2.5, 3. ]])

删

方法一：

利用查找中的方法，比如a=a[0]，操作完居后，a的行数只剩一行了。

[python] view plain copy
print ?
  1. >>> a = np.array([[1,2],[3,4],[5,6]])  
  2. >>> a[0]  
  3. array([1, 2])  
>>> a = np.array([[1,2],[3,4],[5,6]])
>>> a[0]
array([1, 2])

方法二：

[python] view plain copy
print ?
  1. >>> a = np.array([[1,2],[3,4],[5,6]])  
  2. >>> np.delete(a,1,axis = 0)#删除a的第二行。  
  3. array([[1, 2],  
  4.        [5, 6]])  
  5. >>> np.delete(a,(1,2),0)#删除a的第二，三行。  
  6. array([[1, 2]])  
  7. >>> np.delete(a,1,axis = 1)#删除a的第二列。  
  8. array([[1],  
  9.        [3],  
  10.        [5]])  
>>> a = np.array([[1,2],[3,4],[5,6]])
>>> np.delete(a,1,axis = 0)#删除a的第二行。
array([[1, 2],
       [5, 6]])
>>> np.delete(a,(1,2),0)#删除a的第二，三行。
array([[1, 2]])
>>> np.delete(a,1,axis = 1)#删除a的第二列。
array([[1],
       [3],
       [5]])

方法三：

先分割，再按切片a=a[0]赋值。

[python] view plain copy
print ?
  1. >>> a = np.array([[1,2],[3,4],[5,6]])  
  2. >>> np.hsplit(a,2)#水平分割（搞不懂，明明是垂直分割嘛？）  
  3. [array([[1],  
  4.        [3],  
  5.        [5]]), array([[2],  
  6.        [4],  
  7.        [6]])]  
  8. >>> np.split(a,2,axis = 1)#与np.hsplit(a,2)效果一样。  
  9.   
  10. >>> np.vsplit(a,3)  
  11. [array([[1, 2]]), array([[3, 4]]), array([[5, 6]])]  
  12. >>> np.split(a,3,axis = 0)#与np.vsplit(a,3)效果一样。  
转载自
https://blog.csdn.net/zhangchuang601/article/details/79626511
码客巅云
关注
Numpy array数据的增、删、改、查实例
09-20
本文将深入探讨Numpy array的增、删、改、查操作，这些都是进行数据分析和数值计算时的基本技能。 1. **增**： - `vstack()`：垂直堆叠（增加行）。它将多个数组沿着第一个轴（垂直方向）连接起来，生成一个新的...
python删除数组元素remove_python如何对数组删除元素
weixin_39724793的博客
12-06 2万+
python中关于对列表元素的删除操作，有以下几种方式1.remove: 删除单个元素，删除首个符合条件的元素，按值删除举例说明:>>>str=[1,2,3,4,5,2,6]>>>str.remove(2)>>>str输出[1,3,4,5,2,6]2.pop: 删除单个或多个元素，按位删除(根据索引删除)>>>...
numpy用delete()删除二维数组具体某个元素的方法
qq_45702175的博客
07-14 6442
tour = [[5, 5, 4, 1, 1, 5, 0], [4, 5, 1, 5, 3, 0, 5], [4, 0, 5, 0, 2, 2, 4], [3, 1, 4, 4, 1, 3, 5], [2, 0, 4, 1, 3, 2, 3], [1, 4, 1, 5, 0, 2, 2], [5, 2, 4, 5, 3, 0, 4], [4, 1, 1, 4, 2, 5, 2], [5, 2, 5, 0, 4, 3, 5], [2, 1, 4, 1, 4
13-NumPy数组元素增删改查
最新发布
qwy715229258163的博客
06-28 966
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。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。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。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。在数组的末尾添加值，它返回一个一维数组。
数组
qq_40587369的博客
09-11 384
数组 一维数组 ​ 一维数组的声明 ​ int[] arr; ​ int arr[]; ​ 数组的创建; ​ arr = {1,2,3}; ​ arr= new int[10]; ​ arr= new int[]{1,2,3}; 二维数组 ​ 二维数组的声明 ​ int[] [] arr; ​ int [] arr []; ​ 二维数组的创建 ​ arr = new int[ 10] [ ]; ​ arr = new int[ 10] [10]; 数组的内存模型 冒泡排序 方法的调用 无参无返回值 无参有
Numpy部分常见操作汇总——数组的增、删、改、变及列表映射
Yale-曼陀罗
05-22 1522
Numpy常见操作汇总Numpy——删除指定行、列Numpy——数组维度转换Numpy——宽高变形np.array中shape ( ,)与( ,1)的区别Python中List、Array数组的拼接、合并list1到list2的映射 Numpy——删除指定行、列 假设我们的数组是 xxx，我们要删除第 iii 行： x = numpy.delete(x，i, axis = 0) 假设我们的数组是 xxx，我们要删除第 iii 列： x = numpy.delete(x，i, axis = 1)
python中numpy二维数组数据删除行和列
测试进阶之路
04-06 2万+
一、函数 np.delete(array,obj,axis) 二、函数的意思 array:需要处理的矩阵 obj:需要处理的位置，比如要删除的第一行或者第一行和第二行 axis: 如果输入为None：array会先按行展开，然后按照obj，删除第obj-1(从0开始)位置的数，返回一个行矩阵。 如果输入为0：按行删除 如果输入为1：按列删除 import numpy as np x=np.array[[1,2,3],[4,5,6],[7,8,9]] #二维数组数据 删除行（axis=0）： 二
【Numpy】删除numpy数组中的指定索引元素
热门推荐
mjiansun的专栏
09-20 6万+
numpy.delete import numpy as np a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9]) index = [2, 3, 6] new_a = np.delete(a, index) print(new_a) #Prints `[1, 2, 5, 6, 8, 9]`
Python过滤掉numpy.array中非nan数据实例
09-16
本篇将详细讲解如何利用Numpy过滤掉数组中的非NaN数据，并通过示例深入理解这一过程。 首先，我们要知道在Python中，Numpy数组中的`NaN`表示数值不可用或不存在。要过滤掉这些非`NaN`值，我们可以借助Pandas库的`is...
numpy给array增加维度np.newaxis的实例
09-19
通过上文，我们了解到`np.newaxis`是NumPy中一个简单却功能强大的工具，它能够帮助我们在不复制数据的情况下，有效地增加数组的维度，使得数组在形状上更符合某些特定的运算要求。掌握这个工具，对于任何使用NumPy...
Learning NumPy Array 无水印pdf
10-03
Learning NumPy Array 英文无水印pdf pdf所有页面使用FoxitReader和PDF-XChangeViewer测试都可以打开 本资源转载自网络，如有侵权，请联系上传者或csdn删除 本资源转载自网络，如有侵权，请联系上传者或csdn...
vector高级数组的增删改查
zhaoweiping123的博客
06-06 1209
1.插入insert(iterator,var)2.删除pop_back(),erase(iterator)3.清空clear()实现二维不规则vector数组：
简单实现数组的增删改查功能
sim_yoo的博客
04-17 6763
需求： 编写方法实现以下功能。 // 1、实现数组在指定位置插入元素 // insert(int[] arr) // 2、删除某一个指定位置的元素 // delete(int[] arr) // 3、在元素的末尾添加一个元素 // Add(int[] arr, int...
简单的数组增删改查
yz_123_456的博客
05-31 5182
      数组是Java中比较基础的内容，但是却是在java体系中一个非常重要的内容，它和集合都是容器，不同点是数组的长度不可变，而集合的长度却可以任意变化，所以在增删改查这个练习中，使用数组来练习比起用集合来做就更加复杂。接下来我用代码来说明使用数组的用法。首先，做这个联系，要做的是把对象封装，我做的是学生的的增删改查，所以我先创建一个学生的类，把学生需要的属性都放在这个类当中，public ...
数组方法之增删改查
weixin_42582488的博客
07-14 309
增 在末尾增加元素push let arr = [5,8,4,1,6,7] let res = arr.push(10) console.log(arr); // [5, 8, 4, 1, 6, 7, 10] console.log(res); // 7 返回新数组的长度 在开头增加元素unshift let res2 = arr.unshift(1) console.log(arr) //[1, 5, 8, 4, 1, 6, 7, 10] console.log(res2); // 8
PHP：array数组的增、删、改、查操作
彭世瑜的博客
06-02 1945
1、查找数组中的键或值 $data = [ 'name'=> 'Tom' ]; // 检查键 var_dump(array_key_exists('name', $data)); // bool(true) var_dump(array_key_exists('Tom', $data)); // bool(false) var_dump(array_key_exists('uid', $data)); // bool(false) // 检查值 var_dump(in_array('na
数组的增删改查
Miss_Lee的博客
06-11 4069
数组的增删改查是指对给定数组的特定位置增加一个数据，删除一个数据，改正数据或者查找数据。本博只提供对数组增删改查的方法。①增：在给定数组的固定位置插入一个数。        第一种方法： public static int[] insert1(int[] a) { System.out.println("请输入要插入的位置："); Scanner sca=new Scanner(Syste...
Java数组的增删改查操作
张子又
12-08 9510
import java.util.Scanner; public class Array { /* * 增删改查 * */ /** * 根据下标查询元素 * * @param arr * @param index * @return 整型元素 * @author ZZY * @time 2018-12-07 14:35 */ public static int quer...
数组增删改查
做你的时光机的博客
01-09 840
废话不多说，直接贴代码 package Utils; import java.util.Arrays; /** * Created by xiaobai on 2019/1/8. */ public class ArrayCRUD { private int[] elements; public ArrayCRUD(){ elements = new...
numpy array数据类型可以不同吗
07-16
是的，NumPy数组可以具有不同的数据类型。NumPy提供了一种称为"dtype"的特殊对象，它用于指定数组中元素的数据类型。每个NumPy数组都有一个dtype属性，用于描述数组中元素的数据类型。 例如，可以创建一个包含整数...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值