numpy ndarray数组元素的访问及数组的增删改查
ndarray数组元素的访问
- 🌺 ndarray 切片操作的基本语法和列表类似，为 arr[start:stop:step]，其中 star、stop 和 step 是可选参数。
- 🌺 对于多维数组，每个维度都可以单独指定切片范围，语法为 arr[dim1_start:dim1_stop:dim1_step, dim2_start:dim2_stop:dim2_step, …]。
- 🌺 start：切片起始索引，包含该索引对应的元素，默认值为 0。负数索引表示从数组末尾开始计数。
- 🌺 stop：切片结束索引，不包含该索引对应的元素，默认值为数组的长度。负数索引表示从数组末尾开始计数。
- 🌺 step：切片步长，默认值为 1。正数表示从左到右选取元素，负数表示从右到左选取元素。
- 🌺 得到的结果仍是ndarray。
一维ndarray的元素访问
- 🍁 0个冒号的，stop
code:
import numpy as np
nd1 = np.array(range(8))
print("nd1[3]: %d, nd1[-2]: %d" % (nd1[3], nd1[-2]))
result:
nd1[3]: 3, nd1[-2]: 6
- 🍁 1个冒号的，start and stop
code:
import numpy as np
nd1 = np.array(range(8))
print("nd1[:3]: %s, nd1[2:4]: %s, nd1[4:]: %s, nd1[:]: %s" % (nd1[:3], nd1[2:4], nd1[4:], nd1[:]))
result:
nd1[:3]: [0 1 2], nd1[2:4]: [2 3], nd1[4:]: [4 5 6 7], nd1[:]: [0 1 2 3 4 5 6 7]
- 🍁 2个冒号的，start，stop，step
code:
import numpy as np
nd1 = np.array(range(8))
import numpy as np
nd1 = np.array(range(8))
print("nd1[::3]: %s, nd1[2::4]: %s, nd1[:4:]: %s, nd1[:6:2]: %s,"% (nd1[::3], nd1[2::4], nd1[:4:], nd1[:6:2]))
print("nd1[2:5:]: %s, nd1[1::]: %s, nd1[1:7:3]: %s, nd1[::]: %s" % (nd1[2:5:], nd1[1::], nd1[1:7:3], nd1[::]))
result:
nd1[::3]: [0 3 6], nd1[2::4]: [2 6], nd1[:4:]: [0 1 2 3], nd1[:6:2]: [0 2 4],
nd1[2:5:]: [2 3 4], nd1[1::]: [1 2 3 4 5 6 7], nd1[1:7:3]: [1 4], nd1[::]: [0 1 2 3 4 5 6 7]
二维ndarray的元素访问
- 🌹访问单个元素，[行，列]指明要访问的元素的行列
code:
import numpy as np
nd1 = np.array([[1, 2, 3], [4, 5, 6]])
print("nd1[1,2]: %s" % nd1[1, 2])
result:
nd1[1,2]: 6
- 🌹[]访问一行或者多行
- 🌹[]中一个数指行，有逗号，逗号前指行，后指列
- 🌹行和列分别可以用切片，列表标识多行或者多列
code:
import numpy as np
nd1 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print("nd1[1]: %s", nd1[1]) # 一个参数指行
print("nd1[1, :]", nd1[1, :]) # 用中间逗号的方式指定行和列
print("nd1[0:2, :]", nd1[0:2, :]) # 用切片的方式指定多行
print("nd1[[0,1], :]", nd1[0:2, :]) # 用列表的方式指定多行
result:
nd1[1]: [4 5 6]
nd1[1, :]: [4 5 6]
nd1[0:2, :]: [[1 2 3]
[4 5 6]]
nd1[[0,1], :]: [[1 2 3]
[4 5 6]]
- 🌹访问一列或者多列
- 🌹访问某一列[:, 列号]
- 🌹访问某一列[:, 切片或者列表]访问多列
code:
import numpy as np
nd1 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print("nd1[:, :]:", nd1[:, :]) # 所有行, 所有列
print("nd1[:, 1]:", nd1[:, 1]) # 第1列
print("nd1[1, 0:2]:", nd1[1, 0:2]) # 第一行的0列和1列
print("nd1[[0,1], [0, 2]]:", nd1[[0, 1], [0, 2]]) # 第一行的0列和1列
result:
nd1[:, :]: [[1 2 3]
[4 5 6]
[7 8 9]]
nd1[:, 1]: [2 5 8]
nd1[1, 0:2]: [4 5]
nd1[[0,1], [0, 2]]: [1 6]
ndarray数组元素的增删改查
ndarray数组元素的增加
np.append
-🌻np.append(arr, values, axis=None)，values为要添加的数组，注意要和arr的shape匹配才能添加。
- 🌻生成新的数据，原数据不变，values为要添加的数组，注意要和arr的shape匹配才能添加。
code:
import numpy as np
nd1 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
nd2 = [[11, 22, 33]] # 上下方向添加, 要是一行数据的形式
nd3 = [[44, 444], [55, 555], [66, 666]]
new_nd1 = np.append(nd1, nd2, axis=0) # 上下方向添加
print(new_nd1)
new_nd2 = np.append(nd1, nd3, axis=1) # 左右方向添加
print(new_nd2)
result:
[[ 1 2 3]
[ 4 5 6]
[ 7 8 9]
[11 22 33]]
[[ 1 2 3 44 444]
[ 4 5 6 55 555]
[ 7 8 9 66 666]]
np.insert
-🌻 np.insert() 函数可以在数组的指定位置插入值，返回一个新的数组。
-🌻 np.insert(arr, obj, values, axis=None)
code:
import numpy as np
nd1 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# insert(arr, obj, values, axis=None)
nd2 = np.insert(nd1, 1, [11, 22, 33], axis=0)
nd3 = np.insert(nd2, 3, [[44, 55, 66]], axis=0)
nd4 = np.insert(nd1, 1, [11, 22, 33], axis=1)
nd5 = np.insert(nd4, 3, [[44, 55, 66]], axis=1)
print("nd3:\n", nd3)
print("nd5:\n", nd5)
result:
nd3:
[[ 1 2 3]
[11 22 33]
[ 4 5 6]
[44 55 66]
[ 7 8 9]]
nd5:
[[ 1 11 2 44 3]
[ 4 22 5 55 6]
[ 7 33 8 66 9]]
np.concatenate
- 🪻 np.concatenate() 函数可以将多个数组沿着指定的轴连接在一起，实现数据的合并。
- 🪻返回一个新的数组，原数组不会被修改。
code:
import numpy as np
# 一维数组拼接
arr_1d_1 = np.array([1, 2, 3])
arr_1d_2 = np.array([4, 5, 6])
new_arr_1d = np.concatenate((arr_1d_1, arr_1d_2)) # 一维数字组拼接不用指定axis
print("一维数组拼接后的结果：", new_arr_1d)
# 二维数组拼接
arr_2d_1 = np.array([[1, 2], [3, 4]])
arr_2d_2 = np.array([[5, 6], [7, 8]])
# 垂直拼接
new_arr_2d_vertical = np.concatenate((arr_2d_1, arr_2d_2), axis=0) # 垂直方向上拼接
print("\n二维数组垂直拼接后的结果：")
print(new_arr_2d_vertical)
# 水平拼接
new_arr_2d_horizontal = np.concatenate((arr_2d_1, arr_2d_2), axis=1) # 水平方向上拼接
print("\n二维数组水平拼接后的结果：")
print(new_arr_2d_horizontal)
result:
一维数组拼接后的结果： [1 2 3 4 5 6]
二维数组垂直拼接后的结果：
[[1 2]
[3 4]
[5 6]
[7 8]]
二维数组水平拼接后的结果：
[[1 2 5 6]
[3 4 7 8]]
np.hstack和np.vstack
- ☘️ np.hstack(tup1,tup2,…)，注意参数的类型。
- ☘️ 参数tup是一个元组、列表或其他可迭代对象，其中包含了要进行水平拼接的多个数组。
- ☘️ np.vstack(tup1,tup2)，和np.hstack不同的是拼接的方向不同。
code:
import numpy as np
nd1 = np.array([[1, 2], [3, 4], [5, 6]])
nd2 = np.array([[11, 22], [33, 44], [55, 66]])
print("hstack: ", np.hstack((nd1, nd2)))
print("vstack: ", np.vstack((nd1, nd2)))
result:
hstack: [[ 1 2 11 22]
[ 3 4 33 44]
[ 5 6 55 66]]
vstack: [[ 1 2]
[ 3 4]
[ 5 6]
[11 22]
[33 44]
[55 66]]
ndarray数组元素的删除
np.delete()删除指定位置的元素
-🪻 NumPy 数组是固定大小的，直接删除元素通常会创建一个新数组。
-🪻 删除一维数组元素，np.delete(arr1, idx)，指定位置为idx。
-🪻 删除二维数组元素，np.delete(arr1, idx, axis=0/1)，指定位置为idx，按行或者列要指定axis。
code:
import numpy as np
arr1 = np.array(range(5))
arr2 = np.delete(arr1, [0,4])
arr3 = np.delete(arr1, 2)
print(arr1)
print(arr2)
print(arr3)
result:
import numpy as np
arr1 = np.array(range(5))
arr2 = np.delete(arr1, [0,4])
arr3 = np.delete(arr1, 2)
print(arr1)
print(arr2)
print(arr3)
code:
arr1 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
arr2 = np.delete(arr1, 1, axis=0) # 删除第2行（索引1）
arr3 = np.delete(arr1, [1,2], axis=0) # 删除第2行（索引1）
print("arr1:\n",arr1)
print("arr2:\n",arr2)
print("arr3:\n",arr3)
result:
arr1:
[[1 2 3]
[4 5 6]
[7 8 9]]
arr2:
[[1 2 3]
[7 8 9]]
arr3:
[[1 2 3]]
根据条件删除元素（过滤）
- 🍅 使用布尔索引创建符合条件的新数组
- 🍅 类似于(arr1>1) & (arr1<5)的表达式生成一个布尔数组。
code:
import numpy as np
arr1 = np.array([1, 2, 3, 4, 5, 6])
condition = (arr1>1) & (arr1<5)
arr2 = arr1[condition]
print("arr1\n", arr1)
print(condition)
print("arr2\n", arr2)
result:
arr1
[1 2 3 4 5 6]
[False True True True False False]
arr2
[2 3 4]
np.unique删除重复元素
- 🍉 删除重复元素，并重新排序
code:
import numpy as np
arr = np.array([1, 2, 2, 3, 3, 3, 5, 5, 4, 4])
unique_arr = np.unique(arr)
print(type(unique_arr), unique_arr)
result:
<class 'numpy.ndarray'> [1 2 3 4 5]
修改ndarray中的元素
直接索引赋值
- 💖 支持一维和多维
code:
import numpy as np
arr1 = np.array([10, 20, 30, 40])
arr1[2] = 300
arr1[-1] = 400
print("arr1:\n", arr1)
arr2 = np.array([[1, 2], [3, 4]])
arr2[0, 1] = 20
print("arr2:\n", arr2)
result:
arr1:
[ 10 20 300 400]
arr2:
[[ 1 20]
[ 3 4]]
切片赋值
- 💖 通过切片选择多个元素，批量修改值。
- 💖 赋值时需要确保右侧值的形状与切片形状兼容。
code:
import numpy as np
arr1 = np.array([1, 2, 3, 4, 5])
arr1[1:4] = [20, 30, 40]
print("arr1:\n", arr1)
arr2 = np.array([1, 2, 3, 4, 5])
arr2[1:4] = 0 # 赋值为同一个数
print("arr2:\n", arr2)
arr3 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
arr3[:, 2] = [20, 50, 80] # 修改第2列
print("arr3:\n", arr3)
result:
arr1:
[ 1 20 30 40 5]
arr2:
[1 0 0 0 5]
arr3:
[[ 1 2 20]
[ 4 5 50]
[ 7 8 80]]
布尔索引赋值
- 💞 通过布尔掩码选择符合条件的元素，批量修改。
code:
import numpy as np
arr1 = np.array([1, 2, 6, 4, 10, 5, 8])
arr1[(arr1 > 3) & (arr1 < 8) ] = 0
print("arr1:\n", arr1)
result:
arr1:
[ 1 2 0 0 10 0 8]
使用 np.put() 按索引批量赋值
-💘 np.put(arr, [索引]，[对应索引的修改值]）
code:
import numpy as np
arr = np.array([10, 20, 30, 40, 50])
np.put(arr, [0, 2, 4], [100, 300, 500]) # 修改索引0、2、4的元素
print(arr)
result:
[100 20 300 40 500]
使用 np.where() 条件替换
-☘️ np.where(condition)，返回满足条件的元素的索引。
code:
import numpy as np
arr1 = np.array([1, 2, 3, 4, 5, 6])
indices = np.where(arr1 > 3)
print("indices:\n", indices)
print("arr1[indices]:\n", arr1[indices])
# np.where对于二维数组, 返回的是行索引和列索引列表, 满足条件的是2, 3,4这两个元素, 即为
# arr2[0,1], arr2[1,0], arr2[1,1],它们行索引形成[0,1,1], 列索引形成[1,0,1]
arr2 = np.array([[1, 2], [3, 4]])
row_idx, col_idx = np.where(arr2 > 1)
print(f"row_idx：{row_idx}, col_idx： {col_idx}")
result:
indices:
(array([3, 4, 5], dtype=int64),)
arr1[indices]:
[4 5 6]
row_idx：[0 1 1], col_idx： [1 0 1]
-☘️ np.where(condition, x, y)，当 condition 为 True 时，取 x 的值，否则取y的值。
-☘️ 算是3目运算符。
code:
import numpy as np
dt = np.dtype([
('name', 'U3'), # Unicode字符串，最大长度3
('age', np.int32),
('height', float)
])
arr = np.array([
('Alice', 25, 1.65),
('Bob', 30, 1.80),
('Charlie', 22, 1.75)
], dtype=dt)
print(arr)
print(arr[0]["name"])
print(arr["age"])
result:
[('Ali', 25, 1.65) ('Bob', 30, 1.8 ) ('Cha', 22, 1.75)]
Ali
[25 30 22]
修改为特殊值
- 🏵️ 如果要赋值为nan，必须dtarray为float型，先要进行数据类型的转换。
numpy中的裁剪函数Clip
- 🌺Clip函数用于将数组中的元素限制在指定的最小值和最大值之间。
- 🌺 np.clip(arr, a_min, a_max, out=None), arr：输入的数组。a_min：最小值（低于此值的元素将被替换为 a_min, a_max：最大值（高于此值的元素将被替换为 a_max）。
out（可选）：指定输出结果的数组，如果指定为arr，相当于原地修改，若不提供则返回新数组。
code:
import numpy as np
arr2d = np.array([[1, 5], [10, 15]])
clipped = np.clip(arr2d, 3, 12, out=arr2d)
print(clipped)
print(arr2d)
result:
[[ 3 5]
[10 12]]
[[ 3 5]
[10 12]]
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
