[Python] 常用模块（4）：NumPy 下

Python 常用模块系列：

• [Python] 常用模块（1）：内建模块 – random & datetime
• [Python] 常用模块（2）：内建模块 – re 以及正则表达式
• [Python] 常用模块（3）：内建模块 – math & itertools
• [Python] 常用模块（4）：NumPy 上
• [Python] 常用模块（4）：NumPy 中
• [Python] 常用模块（4）：NumPy 下（本文）
• [Python] 常用模块（5）：pandas 1
• [Python] 常用模块（5）：pandas 2
• [Python] 常用模块（5）：pandas 3
• [Python] 常用模块（5）：pandas 4
• [Python] 常用模块（5）：pandas 5
• [Python] 常用模块（5）：pandas 6
• [Python] 常用模块（5）：pandas 7
• [Python] 常用模块（5）：pandas 8
• [Python] 常用模块（5）：pandas 9

---

本篇介绍对数组的操纵。

数组的变形

ndarray.reshape(shape)

将数组变形。

>>> a = np.arange(6)
>>> a
array([0, 1, 2, 3, 4, 5])
>>> a.reshape(2, 3)
array([[0, 1, 2],
       [3, 4, 5]])

np.ravel(a) 和 ndarray.flatten()

打平一个多维数组。这两个命令其实是有区别的（不只是函数和方法的区别），这里就不深究了。

>>> a = np.array([[1,2], [3,4]])
>>> np.ravel(a)
array([1, 2, 3, 4])
>>> a.flatten()
array([1, 2, 3, 4])

数组的合并

np.concatenate(*array, axis = 0)

以轴合并多个数组。若轴为 None，则合并以前先将数组打平。

>>> a = np.array([[1, 2], [3, 4]])
>>> b = np.array([[5, 6]])
>>> np.concatenate((a, b), axis=0)
array([[1, 2],
       [3, 4],
       [5, 6]])
>>> np.concatenate((a, b.T), axis=1)
array([[1, 2, 5],
       [3, 4, 6]])
>>> np.concatenate((a, b), axis=None)
array([1, 2, 3, 4, 5, 6])

np.hstack(tuple)，np.vstack(tuple)，np.dstack(tuple)

将数组以水平、垂直或深度的序列合并。（老宅知道轴很让人费解，以后会专门讨论）

>>> a = np.array((1,2,3))
>>> b = np.array((2,3,4))
>>> np.hstack((a,b))
array([1, 2, 3, 2, 3, 4])
>>> np.vstack((a,b))
array([[1, 2, 3],
       [2, 3, 4]])
>>> np.dstack((a,b))
array([[[1, 2],
        [2, 3],
        [3, 4]]])

数组的拆分

np.split(array, ind_or_sec, axis = 0)

以轴拆分数组。若 ind_or_sec 为一个整数，则将数组分成若干等分；若为一个列表，则以列表中元素为索引进行拆分；若索引超过了数组的维度，返回一个空数组。例子：以 [2, 3] 拆分，则以 [:2]，[2:3] 和 [3:] 对数组进行拆分。

>>> x = np.arange(9.0)
>>> np.split(x, 3)
[array([ 0.,  1.,  2.]), array([ 3.,  4.,  5.]), array([ 6.,  7.,  8.])]
>>> x = np.arange(8.0)
>>> np.split(x, [3, 5, 6, 10])
[array([ 0.,  1.,  2.]),
 array([ 3.,  4.]),
 array([ 5.]),
 array([ 6.,  7.]),
 array([], dtype=float64)]

np.hsplit(array, ind_or_sec)，np.vsplit(array, ind_or_sec(array, ind_or_sec)，np.dsplit(array, ind_or_sec)

与 np.hstack，np.vstack 和 np.dstack 的操作视角一致，与 np.split 的前两个参数一致。

>>> x = np.arange(8.0).reshape(2, 2, 2)
>>> x
array([[[ 0.,  1.],
        [ 2.,  3.]],
       [[ 4.,  5.],
        [ 6.,  7.]]])
>>> np.hsplit(x, 2)
[array([[[ 0.,  1.]],
       [[ 4.,  5.]]]),
 array([[[ 2.,  3.]],
       [[ 6.,  7.]]])]
>>> np.vsplit(x, 2)
[array([[[ 0.,  1.],
        [ 2.,  3.]]]),
 array([[[ 4.,  5.],
        [ 6.,  7.]]])]
>>> np.dsplit(x, 2)
[array([[[0.],
         [2.]],
 
        [[4.],
         [6.]]]), array([[[1.],
         [3.]],
 
        [[5.],
         [7.]]])]

数组的重复和拼贴

np.tile(a, reps)

将数组 a 以拼贴整个数组的形式复制 reps 遍。

>>> a = np.array([0, 1, 2])
>>> np.tile(a, 2)
array([0, 1, 2, 0, 1, 2])
>>> np.tile(a, (2, 2))
array([[0, 1, 2, 0, 1, 2],
       [0, 1, 2, 0, 1, 2]])
>>> np.tile(a, (2, 1, 2))
array([[[0, 1, 2, 0, 1, 2]],
       [[0, 1, 2, 0, 1, 2]]]) # 仔细观察新数组的维度

np.repeat(a, reps, axis = None)

将数组 a 以重复 a 内元素的方式复制 reps 遍。若未指定轴，则复制前先将数组打平。

>>> np.repeat(3, 4)
array([3, 3, 3, 3])
>>> x = np.array([[1,2],[3,4]])
>>> np.repeat(x, 2)
array([1, 1, 2, 2, 3, 3, 4, 4])
>>> np.repeat(x, 3, axis=1)
array([[1, 1, 1, 2, 2, 2],
       [3, 3, 3, 4, 4, 4]])
>>> np.repeat(x, [1, 2], axis=0)
array([[1, 2],
       [3, 4],
       [3, 4]])

添加和删除数组内的元素

np.delete(array, obj, axis = None)

按照 object（可以是整数或表示索引的列表）删除指定元素。若轴未指定，则先将数组打平。

>>> arr = np.array([[1,2,3,4], [5,6,7,8], [9,10,11,12]])
>>> arr
array([[ 1,  2,  3,  4],
       [ 5,  6,  7,  8],
       [ 9, 10, 11, 12]])
>>> np.delete(arr, 1, 0)
array([[ 1,  2,  3,  4],
       [ 9, 10, 11, 12]])
>>> np.delete(arr, [1,3,5], None)
array([ 1,  3,  5,  7,  8,  9, 10, 11, 12])

np.insert(arr, obj, values, axis = None)

在指定位置插入元素。若轴未指定，则先将数组打平。

>>> a = np.array([[1, 1], [2, 2], [3, 3]])
>>> a
array([[1, 1],
       [2, 2],
       [3, 3]])
>>> np.insert(a, 1, 5)
array([1, 5, 1, 2, 2, 3, 3])
>>> np.insert(a, 1, 5, axis=1)
array([[1, 5, 1],
       [2, 5, 2],
       [3, 5, 3]])

np.append(arr, values, axis = None)

在数组结尾添加元素。若轴未指定，则先将数组打平。

>>> np.append([1, 2, 3], [[4, 5, 6], [7, 8, 9]])
array([1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> np.append([[1, 2, 3], [4, 5, 6]], [[7, 8, 9]], axis=0)
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])