python数组常见操作-NumPy

1.一维数组的切片和索引
1.1 定义数组，通过下标选择数组的部分元素

import numpy as np
a=np.arange(9)
a1=a[2:7] #选择部分元素
a2=a[:6:2]#下标0-6，隔两个
a3=a[::-1]#反转数组
print(a1)
print(a2)
print(a3)

结果如下

[2 3 4 5 6]
[0 2 4]
[8 7 6 5 4 3 2 1 0]

1.2处理数组形状

a=np.arange(9).reshape(3,3)
b=a*2
print(a)
print(b)

# 水平叠加
np.hstack((a,b))
# concatenate同样可以
np.concatenate((a,b),axis=1)

array([[ 0,  1,  2,  0,  2,  4],
       [ 3,  4,  5,  6,  8, 10],
       [ 6,  7,  8, 12, 14, 16]])

# 垂直叠加
np.vstack((a,b))
# concatenate同样可以
np.concatenate((a,b),axis=0)

array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 0,  2,  4],
       [ 6,  8, 10],
       [12, 14, 16]])

# 深度叠加
np.dstack((a,b))

array([[[ 0,  0],
        [ 1,  2],
        [ 2,  4]],

       [[ 3,  6],
        [ 4,  8],
        [ 5, 10]],

       [[ 6, 12],
        [ 7, 14],
        [ 8, 16]]])
​

#列式堆叠
oned=np.arange(2)
oned

array([0, 1])

twice_oned=2*oned
twice_oned

array([0, 2])

np.column_stack((oned,twice_oned))

array([[0, 0],
       [1, 2]])
       
np.column_stack((a,b))

array([[ 0,  1,  2,  0,  2,  4],
       [ 3,  4,  5,  6,  8, 10],
       [ 6,  7,  8, 12, 14, 16]])

# 行式堆叠
np.row_stack((a,b))

array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 0,  2,  4],
       [ 6,  8, 10],
       [12, 14, 16]])

1.3拆分NumPy数组

# 横向拆分
np.hsplit(a,3)
# 或者用split
np.split(a,3,axis=1)

[array([[0],
        [3],
        [6]]),
 array([[1],
        [4],
        [7]]),
 array([[2],
        [5],
        [8]])]
​

# 纵向拆分
np.vsplit(a,3)
# 或者用split
np.split(a,3,axis=0)

[array([[0, 1, 2]]), array([[3, 4, 5]]), array([[6, 7, 8]])]

# 深度拆分
c=np.arange(27).reshape(3,3,3)
np.dsplit(c,3)

[array([[[ 0],
         [ 3],
         [ 6]],
 
        [[ 9],
         [12],
         [15]],
 
        [[18],
         [21],
         [24]]]),
 array([[[ 1],
         [ 4],
         [ 7]],
 
        [[10],
         [13],
         [16]],
 
        [[19],
         [22],
         [25]]]),
 array([[[ 2],
         [ 5],
         [ 8]],
 
        [[11],
         [14],
         [17]],
 
        [[20],
         [23],
         [26]]])]

2.NumPy数组的属性

b=np.arange(24).reshape(2,12)
# ndim存储的是维度的数量
print(b.ndim)
# siez用来保存元素的数量
print(b.size)
# itemsize可以返回数组种各个元素所占用的字节数
print(b.itemsize)
# nbytes为tiemsize和size属性值之积
print(b.nbytes)

2
24
4
96

3.数组的转换

b=np.array([1.j+1,2.j+3])
array([1.+1.j, 3.+2.j])

# 使用tolist函数可以将NumPy数组转换成python列表
 print(b.tolist())
 [(1+1j), (3+2j)]

# astype函数将数组元素转换成指定类型
b.astype(int)
array([1, 3])

b.astype('complex')
array([1.+1.j, 3.+2.j])