Numpy 数组操作

Numpy 数组操作Numpy 中包含了一些函数用于处理数组，大概可分为以下几类：修改数组形状翻转数组修改数组维度连接数组分割数组数组元素的添加与删除修改数组形状函数描述reshape 不改变数据的条件下修改形状flat 数组元素迭代器flatten 返回一份数组拷贝，对拷贝所做的修改不会影响原始数组ravel 返回展开数组numpy.reshapenumpy.reshape 函数可以在不改变数据的条件下修改形状，格式如下：numpy.reshape(arr, newshape, order='C')arr：要修改形状的数组newshape：整数或者整数数组，新的形状应当兼容原有形状order：'C' -- 按行，'F' -- 按列，'A' -- 原顺序，'k' -- 元素在内存中的出现顺序。实例import numpy as npa = np.arange(8)print ('原始数组：')print (a)print ('\n')b = a.reshape(4,2)print ('修改后的数组：')print (b)输出结果如下：原始数组：[0 1 2 3 4 5 6 7]修改后的数组：[[0 1] [2 3] [4 5] [6 7]]numpy.ndarray.flatnumpy.ndarray.flat 是一个数组元素迭代器，实例如下:





实例import numpy as npa = np.arange(9).reshape(3,3)print ('原始数组：')for row in a:





print (row)





#对数组中每个元素都进行处理，可以使用flat属性，该属性是一个数组元素迭代器：print ('迭代后的数组：')for element in a.flat:





print (element)输出结果如下：原始数组：[0 1 2][3 4 5][6 7 8]迭代后的数组：012345678numpy.ndarray.flattennumpy.ndarray.flatten 返回一份数组拷贝，对拷贝所做的修改不会影响原始数组，格式如下：ndarray.flatten(order='C')参数说明：order：'C' -- 按行，'F' -- 按列，'A' -- 原顺序，'K' -- 元素在内存中的出现顺序。实例import numpy as npa = np.arange(8).reshape(2,4)print ('原数组：')print (a)print ('\n')





# 默认按行print ('展开的数组：')print (a.flatten())print ('\n')print ('以 F 风格顺序展开的数组：')print (a.flatten(order = 'F'))输出结果如下：原数组：[[0 1 2 3] [4 5 6 7]]展开的数组：[0 1 2 3 4 5 6 7]以 F 风格顺序展开的数组：[0 4 1 5 2 6 3 7]numpy.ravelnumpy.ravel() 展平的数组元素，顺序通常是"C风格"，返回的是数组视图（view，有点类似 C/C++引用reference的意味），修改会影响原始数组。该函数接收两个参数：numpy.ravel(a, order='C')参数说明：order：'C' -- 按行，'F' -- 按列，'A' -- 原顺序，'K' -- 元素在内存中的出现顺序。实例import numpy as npa = np.arange(8).reshape(2,4)print ('原数组：')print (a)print ('\n')print ('调用 ravel 函数之后：')print (a.ravel())print ('\n')print ('以 F 风格顺序调用 ravel 函数之后：')print (a.ravel(order = 'F'))输出结果如下：原数组：[[0 1 2 3] [4 5 6 7]]调用 ravel 函数之后：[0 1 2 3 4 5 6 7]以 F 风格顺序调用 ravel 函数之后：[0 4 1 5 2 6 3 7]翻转数组函数描述transpose 对换数组的维度ndarray.T 和 self.transpose() 相同rollaxis 向后滚动指定的轴swapaxes 对换数组的两个轴numpy.transposenumpy.transpose 函数用于对换数组的维度，格式如下：numpy.transpose(arr, axes)参数说明:





arr：要操作的数组axes：整数列表，对应维度，通常所有维度都会对换。实例import numpy as npa = np.arange(12).reshape(3,4)print ('原数组：')print (a )print ('\n')print ('对换数组：')print (np.transpose(a))输出结果如下：原数组：[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]]对换数组：[[ 0 4 8] [ 1 5 9] [ 2 6 10] [ 3 7 11]]numpy.ndarray.T 类似 numpy.transpose：实例import numpy as npa = np.arange(12).reshape(3,4)print ('原数组：')print (a)print ('\n')print ('转置数组：')print (a.T)输出结果如下：原数组：[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]]转置数组：[[ 0 4 8] [ 1 5 9] [ 2 6 10] [ 3 7 11]]numpy.rollaxisnumpy.rollaxis 函数向后滚动特定的轴到一个特定位置，格式如下：numpy.rollaxis(arr, axis, start)参数说明：arr：数组axis：要向后滚动的轴，其它轴的相对位置不会改变start：默认为零，表示完整的滚动。会滚动到特定位置。实例import numpy as np





# 创建了三维的 ndarraya = np.arange(8).reshape(2,2,2)print ('原数组：')print (a)print ('\n')





# 将轴 2 滚动到轴 0（宽度到深度）print ('调用 rollaxis 函数：')print (np.rollaxis(a,2))





# 将轴 0 滚动到轴 1：（宽度到高度）print ('\n')print ('调用 rollaxis 函数：')print (np.rollaxis(a,2,1))输出结果如下：原数组：[[[0 1] [2 3]] [[4 5] [6 7]]]调用 rollaxis 函数：[[[0 2] [4 6]] [[1 3] [5 7]]]调用 rollaxis 函数：[[[0 2] [1 3]] [[4 6] [5 7]]]numpy.swapaxesnumpy.swapaxes 函数用于交换数组的两个轴，格式如下：numpy.swapaxes(arr, axis1, axis2)arr：输入的数组axis1：对应第一个轴的整数axis2：对应第二个轴的整数实例import numpy as np





# 创建了三维的 ndarraya = np.arange(8).reshape(2,2,2)print ('原数组：')print (a)print ('\n')





# 现在交换轴 0（深度方向）到轴 2（宽度方向）print ('调用 swapaxes 函数后的数组：')print (np.swapaxes(a, 2, 0))输出结果如下：原数组：[[[0 1] [2 3]] [[4 5] [6 7]]]调用 swapaxes 函数后的数组：[[[0 4] [2 6]] [[1 5] [3 7]]]修改数组维度维度描述broadcast 产生模仿广播的对象broadcast_to 将数组广播到新形状expand_dims 扩展数组的形状squeeze 从数组的形状中删除一维条目numpy.broadcastnumpy.broadcast 用于模仿广播的对象，它返回一个对象，该对象封装了将一个数组广播到另一个数组的结果。该函数使用两个数组作为输入参数，如下实例：实例import numpy as npx = np.array([[1], [2], [3]])y = np.array([4, 5, 6])





# 对 y 广播 xb = np.broadcast(x,y)





# 它拥有 iterator 属性，基于自身组件的迭代器元组print ('对 y 广播 x：')r,c = b.iters





# Python3.x 为 next(context) ，Python2.x 为 context.next()print (next(r), next(c))print (next(r), next(c))print ('\n')





# shape 属性返回广播对象的形状print ('广播对象的形状：')print (b.shape)print ('\