【Python】numpy：构建数组、数组属性、更改数组形状或维度、数组拷贝、数组合并、数组拆分、删除数组、数组保存到文件

Numpy是Python的扩展库（第三方库），支持维度数组和矩阵运算，是运算速度很快的数学库。

Numpy官方文档：NumPy user guide — NumPy v2.0 Manual

帮助：可使用help(...)查看函数说明文档（若是第三方库的函数，需先导入库）。例如：help(np.array)

附：数组array：一维数组、二维数组、更高维度的数组等。

一维数组：（元素数量，），二维数组：（行，列），三维数组：（多少个二维数组或高度，行，列）。

---

使用pip安装numpy：

pip install numpy

Python代码中，导入numpy：

import numpy as np

---

1、构建数组：

（1-1）根据已有序列，构建数组

array(object, dtype=None, *, copy=True, order='K', subok=False, ndmin=0,like=None)

Returns : ndarray

• np.array(序列)：其中序列可以是列表、数组、元组等。

（1-2）根据首尾值和步长，构建数组

arange([start,] stop[, step,], dtype=None, *, like=None)

Returns : ndarray

• np.arange(起始值, 结束值, 步长, dtype=元素类型)：从起始值(含)开始，到结束值(不含)为止，间隔步长的所有指定类型的值。
• np.arange(值, dtype=元素类型)：默认从0(含)开始，到指定值(不含)为止，默认间隔1。

注：若遇到舍入，则影响结束值的大小，元素数量不变。

（1-3）根据首尾值和均分数量，构建数组

 linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)

 Returns : ndarray

• np.linspace(起始值, 结束值, 元素数量, dtype=元素类型)：从起始值(含)开始，到结束值(含)为止，平分为指定数量且指定类型的值。

注：endpoint可设置是否包含结束值，默认包含，若不包含，可将endpoint=False。

（1-4）构建有值的数组

（1-4-1）所有值为0

zeros(shape, dtype=float, order='C', *, like=None)

Returns : ndarray

• np.zeros(一维的元素数量, dtype=元素类型）：指定数量、指定类型且全部为0的一维数组。 默认是浮点数（float64）。
• np.zeros(（二维的行数, 二维的列数）, dtype=值类型）：指定行数列数、指定类型且全部为0的二维数组。 默认是浮点数（float64）。注：用元组形式指定行列数，即 (行数, 列数)。

（1-4-2）所有值为1

zeros(shape, dtype=float, order='C', *, like=None)

Returns : ndarray

•  np.ones(...) ：与np.zeros(...)用法相同，只是值全部为1。

（1-4-3）所有值为指定值

full(shape, fill_value, dtype=None, order='C', *, like=None)

Returns : ndarray

•  np.full(...) ：与np.zeros(...)用法相同，只是值全部为人为指定的值。 

（1-4-4）所有值为已有内存空间的值

empty(shape, dtype=float, order='C', *, like=None)

Returns : ndarray

•   np.empty(...) ：与np.zeros(...)用法相同，只是值为内存空间中的值（没有初始化）。

 

（1-5）通过对行列坐标执行函数，构建数组

fromfunction(function, shape, *, dtype=<class 'float'>, like=None, **kwargs)

• np.fromfunction(函数, 数组形状, 元素类型)：将各轴的坐标作为参数传入函数，构建指定形状和指定类型的数组。注：数组形状用元组形式表示。

 （1-6）从文件获取，构建数组

• fromfile(file, dtype=float, count=-1, sep='', offset=0, *, like=None)
• load(file, mmap_mode=None, allow_pickle=False, fix_imports=True, encoding='ASCII')
• loadtxt(fname, dtype=<class 'float'>, comments='#', delimiter=None, converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0, encoding='bytes', max_rows=None, *, like=None)

• np.fromfile(...)：从文本或二进制文件中获取数据，构建数组。
• np.load(...)：从".npy", "npz",或pickled文件中获取数组或pickled对象。
• np.loadtxt(...)：从文本文件中获取数据，构建数组。注：每行有相同数量的元素。
• 注：在【8、数组保存到文件】有部分举例。 

（1-7）构建特殊数组

（1-7-1）n*n二维数组，对角线为1，其余为0

identity(n, dtype=None, *, like=None)

Returns : ndarray（n*n二维数组，对角线为1，其余为0）

• np.identity(n,dtype=元素类型）： 构建n*n二维数组，对角线为1，其余都为0。默认元素类型为浮点数。

（1-7-2）N*M二维数组，对角线为1（对角线索引号可改），其余为0

eye(N, M=None, k=0, dtype=<class 'float'>, order='C', *, like=None)

Returns: ndarray of shape (N,M)

• np.eye(N)：构建N行N列的二维数组，对角线为1，其余为0。对角线索引号默认是0。没有M参数，则M=N。
• np.eye(N, M=列数, k=对角线索引号, dtype=元素类型)：构建N行M列的二维数组，对角线为1，其余为0。对角线索引号为指定索引号。有M参数，则二维数组形状为(N,M)。

---

2、数组属性：

• ndim（维度）。
• shape（各维度分别有多少元素）。
• size（共有多少元素）。
• dtype（元素的类型）。
• itemsize（每个元素占多少内存空间）。
• nbytes（共占多少内存空间）

---

3、数组更改形状或维度：

（3-1）增加一个维度

一维数组：（元素数量，） ---->  二维数组：（行，列）

• 数组[np.newaxis , :]：在第一个维度添加一个轴。一维变二维。
• 数组[: , np.newaxis]：在第二个维度添加一个轴。一维变二维。

二维数组：（行，列） ---->  三维数组：（高度，行，列）

• 数组[np.newaxis , : , :]：在第一个维度添加一个轴。二维变三维。
• 数组[: , np.newaxis , :]：在第二个维度添加一个轴。二维变三维。
• 数组[: , : , np.newaxis]：在第三个维度添加一个轴。二维变三维。

（3-2）指定位置插入轴，来增加一个维度

expand_dims(a, axis)

Returns : ndarray

• np.expand_dims(待更改的数组, axis=指定位置)：

 

（3-3）二维及以上维度数组，转为一维数组

• 多维数组.flatten()：多维数组转为一维数组。修改一维数组的值不会影响原多维数组。
• 多维数组.ravel()：多维数组转为一维数组。修改一维数组的值也会修改原多维数组。

（3-4）更改数组形状，也可更改数组维度

reshape(a, newshape, order='C')

Returns : ndarray

• np.reshape(待更改的数组, 更改后的形状)：更改形状也可更改维度。若一个轴使用-1，则该轴自动调整。
• 也可以：待更改的数组.reshape（更改后的形状）

 

（3-5）更改数组形状，可转置（行转为列，列转为行）

• np.transpose(二维数组)：二维数组行列转置（行转为列，列转为行）。等效于：二维数组.transpose()。
• 二维数组.T：二维数组行列转置。
• np.swapaxes(数组, 0, 1)：维数组行列转置。等效于：二维数组.swapaxes(0, 1)。

swapaxes也可将多维数组的两个轴交换。

• np.swapaxes(多维数组, 待交换的轴1, 待交换的轴2)：将多维数组的指定的轴1和轴2交换。等效于：二维数组.swapaxes(待交换的轴1, 待交换的轴2)。 

---

4、数组拷贝：

• 通过"="赋值的方式拷贝的数组，和原数组是同一个对象，修改其中一个数组，另一个也会修改。
• 通过"view( )"函数拷贝的数组，和原数组虽不是同一个对象，但它们的base是同一个，修改其中一个数组，另一个也会修改。
• 通过"copy( )"函数拷贝的数组，和原数组是独立的，既不是同一个对象，base也不是同一个，修改其中一个数组，不会影响另一个。

---

5、数组合并：

（5-1）指定轴合并数组

concatenate((a1, a2, ...), axis=0, out=None, dtype=None, casting="same_kind")

Returns : ndarray

• np.concatenate( (数组1, 数组2) ) ：两数组维度相同，默认axis=0，即列数相同，上下纵向拼接。
• np.concatenate( (数组1, 数组2), axis=1) ：两数组维度相同，行数相同，左右横向拼接。
• np.concatenate( (数组1, 数组2), axis=None) ：两数组维度相同，转为一维数组拼接。

（5-2）左右横向合并

hstack(tup)

Returns : ndarray

注：适用于维度最大为3的数组。

• np.hstack( (数组1, 数组2) ) ：两数组维度相同，行数相同，左右横向拼接。

（5-3）上下纵向合并

vstack(tup)

Returns : ndarray

注：适用于维度最大为3的数组。

• np.vstack( (数组1, 数组2) ) ：两数组维度相同，列数相同，上下纵向拼接。

 

（5-4）一维数组作为列，合并成二维数组

column_stack(tup)

Returns : 2-D array

注：一维数组都作为列，横向拼接成二维数组。

• np.column_stack( (数组1, 数组2) ) ：一维数组，元素数量相同，分别作为列，左右横向拼接。

---

6、数组拆分

（6-1）指定拆分数量或指定拆分坐标，指定轴拆分

split(ary, indices_or_sections, axis=0)

Returns： list of ndarrays

•  np.split(数组, 拆分数量）：将数组平均拆分成指定数量的小数组。默认axis=0，即列数不变，行平均拆分。
•  np.split(数组, [坐标1, 坐标2, ...]）：将数组按指定坐标拆分成多个小数组。默认axis=0，即列数不变，从指定行拆分。坐标从0开始。

（6-2）指定拆分数量或指定拆分坐标，左右横向拆分

hsplit(ary, indices_or_sections)

Returns： list of ndarrays

•  np.hsplit(数组, 拆分数量）：将数组平均拆分成指定数量的小数组。行数不变，列平均拆分。
•  np.hsplit(数组, [坐标1, 坐标2, ...]）：将数组按指定坐标拆分成多个小数组。行数不变，从指定列坐标拆分。坐标从0开始。

（6-3）指定拆分数量或指定拆分坐标，上下纵向拆分

vsplit(ary, indices_or_sections)

Returns： list of ndarrays

•  np.vsplit(数组, 拆分数量）：将数组平均拆分成指定数量的小数组。列数不变，行平均拆分。
•  np.vsplit(数组, [坐标1, 坐标2, ...]）：将数组按指定坐标拆分成多个小数组。列数不变，从指定行坐标拆分。坐标从0开始。

---

7、删除数组：del 数组

---

8、数组保存到文件：

（8-1）数组保存到npy文件（二进制文件）

save(file, arr, allow_pickle=True, fix_imports=True)

• np.save(保存的文件, 数组)：将数组保存到npy文件（二进制文件）中。 

（8-2）数组保存到文本文件

savetxt(fname, X, fmt='%.18e', delimiter=' ', newline='\n', header='', footer='', comments='# ', encoding=None)

• np.savetxt(保存的文件, 数组, fmt=数值格式)：将数组保存到文本文件中。 

 

---

补充：np.zeros_like(...)、np.ones_like(...)、np.full_like(...)和np.empty_like(...)

zeros_like(a, dtype=None, order='K', subok=True, shape=None)

Returns : ndarray

ones_like(a, dtype=None, order='K', subok=True, shape=None)

Returns : ndarray

full_like(a, fill_value, dtype=None, order='K', subok=True, shape=None) 

Returns : ndarray

empty_like(prototype, dtype=None, order='K', subok=True, shape=None) 

Returns : ndarray