Numpy array数据的增、删、改、查

增、删、改、查的方法有很多很多种，这里只展示出常用的几种。

1. >>> import numpy as np
2. >>> a = np.array([[1,2],[3,4],[5,6]])#创建3行2列二维数组。
3. >>> a
4. array([[1, 2],
5. [3, 4],
6. [5, 6]])
7. >>> a = np.zeros(6)#创建长度为6的，元素都是0一维数组
8. >>> a = np.zeros((2,3))#创建3行2列，元素都是0的二维数组
9. >>> a = np.ones((2,3))#创建3行2列，元素都是1的二维数组
10. >>> a = np.empty((2,3)) #创建3行2列,未初始化的二维数组
11. >>> 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])
12. >>> 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.
13. 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. ]
14. 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]

增

1. >>> a = np.array([[1,2],[3,4],[5,6]])
2. >>> b = np.array([[10,20],[30,40],[50,60]])
3. >>> np.vstack((a,b))
4. array([[ 1, 2],
5. [ 3, 4],
6. [ 5, 6],
7. [10, 20],
8. [30, 40],
9. [50, 60]])
10. >>> np.hstack((a,b))
11. array([[ 1, 2, 10, 20],
12. [ 3, 4, 30, 40],
13. [ 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

1. >>> a = np.array([[1],[2]])
2. >>> a
3. array([[1],
4. [2]])
5. >>> b=([[10,20,30]])#生成一个list，注意，不是np.array。
6. >>> b
7. [[10, 20, 30]]
8. >>> a+b
9. array([[11, 21, 31],
10. [12, 22, 32]])
11. >>> c = np.array([10,20,30])
12. >>> c
13. array([10, 20, 30])
14. >>> c.shape
15. (3,)
16. >>> a+c
17. array([[11, 21, 31],
18. [12, 22, 32]])

查

1. >>> a
2. array([[1, 2],
3. [3, 4],
4. [5, 6]])
5. >>> a[0] # array([1, 2])
6. >>> a[0][1]#2
7. >>> a[0,1]#2
8. >>> b = np.arange(6)#array([0, 1, 2, 3, 4, 5])
9. >>> b[1:3]#右边开区间array([1, 2])
10. >>> b[:3]#左边默认为 0array([0, 1, 2])
11. >>> b[3:]#右边默认为元素个数array([3, 4, 5])
12. >>> 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。

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

改

1. >>> a = np.array([[1,2],[3,4],[5,6]])
2. >>> a[0] = [11,22]#修改第一行数组[1,2]为[11,22]。
3. >>> 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”。
5. >>> a = np.array([[1,2],[3,4],[5,6]])
6. >>> b = np.array([[10,20],[30,40],[50,60]])
7. >>> a+b #加法必须在两个相同大小的数组键间运算。
8. array([[11, 22],
9. [33, 44],
10. [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

1. >>> a = np.array([[1],[2]])
2. >>> a
3. array([[1],
4. [2]])
5. >>> b=([[10,20,30]])#生成一个list，注意，不是np.array。
6. >>> b
7. [[10, 20, 30]]
8. >>> a+b
9. array([[11, 21, 31],
10. [12, 22, 32]])
11. >>> c = np.array([10,20,30])
12. >>> c
13. array([10, 20, 30])
14. >>> c.shape
15. (3,)
16. >>> a+c
17. array([[11, 21, 31],
18. [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。

1. >>> a = np.array([[1,2],[3,4],[5,6]])
2. >>> a*2#相当于a中各个元素都乘以2.类似于广播。
3. array([[ 2, 4],
4. [ 6, 8],
5. [10, 12]])
6. >>> a**2
7. array([[ 1, 4],
8. [ 9, 16],
9. [25, 36]])
10. >>> a>3
11. array([[False, False],
12. [False, True],
13. [ True, True]])
14. >>> a+3
15. array([[4, 5],
16. [6, 7],
17. [8, 9]])
18. >>> a/2
19. array([[0.5, 1. ],
20. [1.5, 2. ],
21. [2.5, 3. ]])

删

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。

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

方法二：

1. >>> a = np.array([[1,2],[3,4],[5,6]])
2. >>> np.delete(a,1,axis = 0)#删除a的第二行。
3. array([[1, 2],
4. [5, 6]])
5. >>> np.delete(a,(1,2),0)#删除a的第二，三行。
6. array([[1, 2]])
7. >>> np.delete(a,1,axis = 1)#删除a的第二列。
8. array([[1],
9. [3],
10. [5]])

方法三：

先分割，再按切片a=a[0]赋值。

1. >>> a = np.array([[1,2],[3,4],[5,6]])
2. >>> np.hsplit(a,2)#水平分割（搞不懂，明明是垂直分割嘛？）
3. [array([[1],
4. [3],
5. [5]]), array([[2],
6. [4],
7. [6]])]
8. >>> np.split(a,2,axis = 1)#与np.hsplit(a,2)效果一样。
10. >>> np.vsplit(a,3)
11. [array([[1, 2]]), array([[3, 4]]), array([[5, 6]])]
12. >>> np.split(a,3,axis = 0)#与np.vsplit(a,3)效果一样。