【numpy基础】--基础操作-Toy模板网

这篇具有很好参考价值的文章主要介绍了【numpy基础】--基础操作。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

numpy作为一个强大的数值计算库，提供了对多维数组的很多便捷操作。
承接上一篇数组的创建，本篇主要介绍一些数组的基本操作。

1. 子数组

首先介绍获取子数组的方法，提取已有数据的一部分来参与计算是比较常用的功能。

对于一维数组，提取子数组：arr[start:stop:step]

start：从哪个下标开始（下标从 0 开始）
stop：到哪个下标结束（下标不包括 stop 这个值）
step：间隔几个元素

arr = np.array(range(10))  # 生成 0~9 10个元素
print(arr[::2]) # 偶数
print(arr[1::2]) # 奇数
print(arr[1:6:2]) # 前六个数中的奇数
print(arr[::-1]) # 逆序

#运行结果
[0 2 4 6 8]
[1 3 5 7 9]
[1 3 5]
[9 8 7 6 5 4 3 2 1 0]

对于多维数组，同样可以使用上面的方式，数组有几维，就可以使用几次 start:stop:step。
比如下面的二维数组：

arr = np.array([range(6), range(1, 7),
                range(2, 8), range(3, 9),
                range(4, 10)])
print(arr)
#运行结果
[[0 1 2 3 4 5]
 [1 2 3 4 5 6]
 [2 3 4 5 6 7]
 [3 4 5 6 7 8]
 [4 5 6 7 8 9]]

print(arr[::2, ::2])
#运行结果
[[0 2 4]
 [2 4 6]
 [4 6 8]]

也就是按行取第 1，3，5行，然后按列取第 1，3，5列。

2. 数组副本

当我们提取子数组之后，如果对子数组进行修改，那么原始的数组也会变化。
这个因为数组是引用类型，当数组的数据量很大的时候，内存占用会比较低。
比如：

arr = np.array(range(5))
arr2 = arr[::2]
arr2[2] = 99

print(arr)
#运行结果
[ 0  1  2  3 99]

print(arr2)
#运行结果
[ 0  2 99]

子数组修改之后，原始数组也改变了。

如果要避免修改原始数组，就要建立子数组的副本，也就是 copy 方法。

arr = np.array(range(5))
arr2 = arr[::2].copy() # 通过copy方法建立副本
arr2[2] = 99

print(arr)
#运行结果
[0 1 2 3 4]

print(arr2)
#运行结果
[ 0  2 99]

3. 数组变形

进行数据分析时，我们常常得到的是线性的数据序列，也就是一维数组，
在numpy中，从一维变到多维非常方便。

#一维变多维
arr = list(range(9))
print(arr)
#运行结果
[0, 1, 2, 3, 4, 5, 6, 7, 8]

arr = np.array(arr).reshape((3, 3))
print(arr)
#运行结果
[[0 1 2]
 [3 4 5]
 [6 7 8]]

注意，变换前后元素的总数量要一直，比如上面的例子中，
变换前一维数组有9个元素，变换成 3x3 的二维数组，也是9个元素。
如果变换成 3x4 或者 2x3 的二维数组，就会出错。

除了二维数组，变成三维数组也一样：

arr = np.array(range(24)).reshape((2, 3, 4))

print(arr)
#运行结果
[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]

 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]]

4. 拼接和拆分

最后一个基本操作是数组的拼接和拆分。

4.1. 拼接

拼接有两个方向，水平拼接和垂直拼接，拼接的数组个数不限。
比如，下面的示例是3个数组拼接在一起。

arr1 = np.array([range(1, 4),
                 range(1, 4),
                 range(1, 4)])
arr2 = np.array([range(4, 7),
                 range(4, 7),
                 range(4, 7)])
arr3 = np.array([range(7, 10), 
                 range(7, 10),
                 range(7, 10)])

arr = np.concatenate([arr1, arr2, arr3])
print(arr)
#运行结果
[[1 2 3]
 [1 2 3]
 [1 2 3]
 [4 5 6]
 [4 5 6]
 [4 5 6]
 [7 8 9]
 [7 8 9]
 [7 8 9]]

arr = np.concatenate([arr1, arr2, arr3], axis=1)
print(arr)
#运行结果
[[1 2 3 4 5 6 7 8 9]
 [1 2 3 4 5 6 7 8 9]
 [1 2 3 4 5 6 7 8 9]]

concatenate 函数用来拼接数组，默认是垂直方向拼接，设置 axis=1，按照水平方向拼接。

如果觉得记参数麻烦，记不住哪个是水平拼接，哪个是垂直拼接，还有两个专门拼接的函数，
vstack（垂直拼接）和hstack（水平拼接）。

arr = np.vstack([arr1, arr2, arr3])
print(arr)
#运行结果
[[1 2 3]
 [1 2 3]
 [1 2 3]
 [4 5 6]
 [4 5 6]
 [4 5 6]
 [7 8 9]
 [7 8 9]
 [7 8 9]]

arr = np.hstack([arr1, arr2, arr3])
print(arr)
#运行结果
[[1 2 3 4 5 6 7 8 9]
 [1 2 3 4 5 6 7 8 9]
 [1 2 3 4 5 6 7 8 9]]

4.2. 拆分

拆分数组时，通过设置拆分点的下标，可以将数组拆分成任意长短的多个数组。
比如：

arr = np.array(range(1, 10))
arr1 = np.split(arr, [1, 5]) # 在下标 1 和 5 的地方拆分
print(arr1)
#运行结果
[array([1]), array([2, 3, 4, 5]), array([6, 7, 8, 9])]

上面的示例中，下标1对应的值是2，下标5对应的值是6，
有2个拆分点，所以拆分成3个数组。

同样，数组的拆分也有2个简便的方法：vsplit和hsplit。
拆分多维数组时，可以按照垂直和水平两个方向拆分。

arr = np.array(range(1, 10)).reshape((3, 3))
print(arr)
#运行结果
[[1 2 3]
 [4 5 6]
 [7 8 9]]

print(np.vsplit(arr, [1]))
#运行结果
[array([[1, 2, 3]]), 
 array([[4, 5, 6],
       [7, 8, 9]])]

print(np.hsplit(arr, [1]))
#运行结果
[array([[1],
       [4],
       [7]]), 
 array([[2, 3],
       [5, 6],
       [8, 9]])]

垂直拆分时，拆分点是下标1的行，也就是从第二行开始拆分。
水平拆分时，拆分点是下标1的列，也就是从第二列开始拆分。

超过二维的数组也可以 vsplit 和 hsplit，只是结果看上去没那么直观。