PHP前端开发

Numpy array数据的增、删、改、查

百变鹏仔 1个月前 (02-06) #Python
文章标签 数据

这篇文章主要介绍了关于numpy array数据的增、删、改、查,有着一定的参考价值,现在分享给大家,有需要的朋友可以参考一下

准备工作:

增、删、改、查的方法有很多很多种,这里只展示出常用的几种。

>>> import numpy as np >>> a = np.array([[1,2],[3,4],[5,6]])#创建3行2列二维数组。 >>> a array([[1, 2],   [3, 4],   [5, 6]]) >>> a = np.zeros(6)#创建长度为6的,元素都是0一维数组 >>> a = np.zeros((2,3))#创建3行2列,元素都是0的二维数组 >>> a = np.ones((2,3))#创建3行2列,元素都是1的二维数组 >>> a = np.empty((2,3)) #创建3行2列,未初始化的二维数组 >>> a = np.arange(6)#创建长度为6的,元素都是0一维数组array([0, 1, 2, 3, 4, 5]) >>> a = np.arange(1,7,1)#结果与np.arange(6)一样。第一,二个参数意思是数值从1〜6,不包括7.第三个参数表步长为1. a = np.linspace(0,10,7) # 生成首位是0,末位是10,含7个数的等差数列[ 0.   1.66666667 3.33333333 5.   6.66666667 8.33333333 10.  ] a = np.logspace(0,4,5)#用于生成首位是10**0,末位是10**4,含5个数的等比数列。[ 1.00000000e+00 1.00000000e+01 1.00000000e+02 1.00000000e+03 1.00000000e+04]

>>> a = np.array([[1,2],[3,4],[5,6]])>>> b = np.array([[10,20],[30,40],[50,60]])>>> np.vstack((a,b))array([[ 1, 2],  [ 3, 4],  [ 5, 6],  [10, 20],  [30, 40],  [50, 60]])>>> np.hstack((a,b))array([[ 1, 2, 10, 20],  [ 3, 4, 30, 40],  [ 5, 6, 50, 60]])

不同维数的数组直接相加显然是不允许的。但是可以用一个n行列向量和一个m列行向量构造出一个n×m矩阵

>>> a = np.array([[1],[2]]) >>> a array([[1],   [2]]) >>> b=([[10,20,30]])#生成一个list,注意,不是np.array。 >>> b [[10, 20, 30]] >>> a+b array([[11, 21, 31],   [12, 22, 32]]) >>> c = np.array([10,20,30]) >>> c array([10, 20, 30]) >>> c.shape (3,) >>> a+c array([[11, 21, 31],   [12, 22, 32]])

>>> aarray([[1, 2],  [3, 4],  [5, 6]])>>> a[0] # array([1, 2])>>> a[0][1]#2>>> a[0,1]#2>>> b = np.arange(6)#array([0, 1, 2, 3, 4, 5])>>> b[1:3]#右边开区间array([1, 2])>>> b[:3]#左边默认为 0array([0, 1, 2])>>> b[3:]#右边默认为元素个数array([3, 4, 5])>>> b[0:4:2]#下标递增2array([0, 2])

NumPy的where函数使用

np.where(condition, x, y),第一个参数为一个布尔数组,第二个参数和第三个参数可以是标量也可以是数组。

cond = numpy.array([True,False,True,False]) a = numpy.where(cond,-2,2)# [-2 2 -2 2] cond = numpy.array([1,2,3,4]) a = numpy.where(cond>2,-2,2)# [ 2 2 -2 -2] b1 = numpy.array([-1,-2,-3,-4]) b2 = numpy.array([1,2,3,4]) a = numpy.where(cond>2,b1,b2) # 长度须匹配# [1,2,-3,-4]

>>> a = np.array([[1,2],[3,4],[5,6]]) >>> a[0] = [11,22]#修改第一行数组[1,2]为[11,22]。 >>> a[0][0] = 111#修改第一个元素为111,修改后,第一个元素“1”改为“111”。  >>> a = np.array([[1,2],[3,4],[5,6]]) >>> b = np.array([[10,20],[30,40],[50,60]]) >>> a+b #加法必须在两个相同大小的数组键间运算。 array([[11, 22],   [33, 44],   [55, 66]])

不同维数的数组直接相加显然是不允许的。但是可以用一个n行列向量和一个m列行向量构造出一个n×m矩阵

>>> a = np.array([[1],[2]])>>> aarray([[1],  [2]])>>> b=([[10,20,30]])#生成一个list,注意,不是np.array。>>> b[[10, 20, 30]]>>> a+barray([[11, 21, 31],  [12, 22, 32]])>>> c = np.array([10,20,30])>>> carray([10, 20, 30])>>> c.shape(3,)>>> a+carray([[11, 21, 31],  [12, 22, 32]])

数组和一个数字的加减乘除的运算,相当于一个广播,把这个运算广播到各个元素中去。

>>> a = np.array([[1,2],[3,4],[5,6]]) >>> a*2#相当于a中各个元素都乘以2.类似于广播。 array([[ 2, 4],   [ 6, 8],   [10, 12]]) >>> a**2 array([[ 1, 4],   [ 9, 16],   [25, 36]]) >>> a>3 array([[False, False],   [False, True],   [ True, True]]) >>> a+3 array([[4, 5],   [6, 7],   [8, 9]]) >>> a/2 array([[0.5, 1. ],   [1.5, 2. ],   [2.5, 3. ]])

方法一:

利用查找中的方法,比如a=a[0],操作完居后,a的行数只剩一行了。

>>> a = np.array([[1,2],[3,4],[5,6]]) >>> a[0] array([1, 2])

方法二:

>>> a = np.array([[1,2],[3,4],[5,6]]) >>> np.delete(a,1,axis = 0)#删除a的第二行。 array([[1, 2],   [5, 6]]) >>> np.delete(a,(1,2),0)#删除a的第二,三行。 array([[1, 2]]) >>> np.delete(a,1,axis = 1)#删除a的第二列。 array([[1],   [3],   [5]])

方法三:

先分割,再按切片a=a[0]赋值。

>>> a = np.array([[1,2],[3,4],[5,6]]) >>> np.hsplit(a,2)#水平分割(搞不懂,明明是垂直分割嘛?) [array([[1],   [3],   [5]]), array([[2],   [4],   [6]])] >>> np.split(a,2,axis = 1)#与np.hsplit(a,2)效果一样。  >>> np.vsplit(a,3) [array([[1, 2]]), array([[3, 4]]), array([[5, 6]])] >>> np.split(a,3,axis = 0)#与np.vsplit(a,3)效果一样。