Python中numpy数组操作 包括改变、增删数据维度的一些函数方法总结

Numpy数组操作

修改数组形状

reshape(arr, newshape, order=‘C’)

描述：不改变数据的条件下修改形状

• 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。

import numpy as np
a = np.array([[1,2,3,4,5,6],
             [1,2,3,4,5,6]])
print('shape a:',a.shape)
a = a.reshape(3,4)
print(a, '\nshape after:{}'.format(a.shape))

flat

描述：数组元素迭代器

import numpy as np
 
a = np.array([[1,2,3,4,5,6],
             [1,2,3,4,5,6]])
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)

flatten(order=‘C’)

描述：返回一份数组拷贝，对拷贝所做的修改不会影响原始数组

• order：‘C’ – 按行，‘F’ – 按列，‘A’ – 原顺序，‘K’ – 元素在内存中的出现顺序。

import numpy as np
 
a = np.array([[1,2,3,4,5,6],
             [1,2,3,4,5,6]])
 
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 (即列)顺序展开的数组：')
print (a.flatten(order = 'F'))

ravel(a, order=‘C’)

描述：返回展开数组(效果和flatten类似)，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。

• order：‘C’ – 按行，‘F’ – 按列，‘A’ – 原顺序，‘K’ – 元素在内存中的出现顺序。

import numpy as np
 
a = np.array([[1,2,3,4,5,6],
             [1,2,3,4,5,6]])
 
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'))

翻转数组

transpose(arr, axes)和.T

描述：对换数组的维度

• 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。

import numpy as np
 
a = np.arange(12).reshape(3,4)
 
print ('原数组：')
print (a )
print ('\n')
 
print ('对换数组：')
print (np.transpose(a))

rollaxis(arr, axis, start)

描述：向后滚动特定的轴到一个特定位置

• 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。

import numpy as np
 
# 创建了三维的 ndarray
a = 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))

swapaxes(arr, axis1, axis2)

描述：交换数组的两个轴

• 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

import numpy as np
 
# 创建了三维的 ndarray
a = 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))

改变数据维度（增加、删除）

expand_dims(arr, axis)

描述：通过在指定位置插入新的轴来扩展数组形状。

• arr：输入数组
• axis：新轴插入的位置

import numpy as np
 
x = np.array(([1,2],[3,4]))
 
print ('数组 x：')
print (x)
print ('\n')
y = np.expand_dims(x, axis = 0)
 
print ('数组 y：')
print (y)
print ('\n')
 
print ('数组 x 和 y 的形状：')
print (x.shape, y.shape)
print ('\n')

# 在位置 1 插入轴
y = np.expand_dims(x, axis = 1)
 
print ('在位置 1 插入轴之后的数组 y：')
print (y)
print ('\n')
 
print ('x.ndim 和 y.ndim：')
print (x.ndim,y.ndim)
print ('\n')
 
print ('x.shape 和 y.shape：')
print (x.shape, y.shape)

squeeze(arr, axis)

描述：从给定数组的形状中删除一维的条目。

• arr：输入数组
• axis：整数或整数元组，用于选择形状中一维条目的子集

import numpy as np
 
x = np.arange(9).reshape(1,3,3)
 
print ('数组 x：')
print (x)
print ('\n')
y = np.squeeze(x)
 
print ('数组 y：')
print (y)
print ('\n')
 
print ('数组 x 和 y 的形状：')
print (x.shape, y.shape)

newaxis

描述：numpy中包含的newaxis可以给原数组增加一个维度

np.newaxis放的位置不同，产生的新数组也不同

x = np.random.randint(1, 8, size=(2,3))
x1 = x[:, np.newaxis, :]

print(x.shape)
print(x1.shape)

x = np.random.randint(1, 8, size=(2,3))
x1 = x[np.newaxis, :, :]

print(x.shape)
print(x1.shape)

参考

Reference：Link