numpy数组按某一维度相加_Python Numpy 数组操作 （二）

修改数组维度

numpy.broadcast

numpy.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

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 ('')# shape 属性返回广播对象的形状print ('广播对象的形状：')print (b.shape)print ('')# 手动使用 broadcast 将 x 与 y 相加b = np.broadcast(x,y)c = np.empty(b.shape)print ('手动使用 broadcast 将 x 与 y 相加：')print (c.shape)print ('')c.flat = [u + v for (u,v) in b]print ('调用 flat 函数：')print (c)print ('')# 获得了和 NumPy 内建的广播支持相同的结果print ('x 与 y 的和：')print (x + y)

输出结果为：

对 y 广播 x：1 41 5广播对象的形状：(3, 3)手动使用 broadcast 将 x 与 y 相加：(3, 3)调用 flat 函数：[[5. 6. 7.] [6. 7. 8.] [7. 8. 9.]]x 与 y 的和：[[5 6 7] [6 7 8] [7 8 9]]

numpy.broadcast_to

numpy.broadcast_to 函数将数组广播到新形状。它在原始数组上返回只读视图。 它通常不连续。 如果新形状不符合 NumPy 的广播规则，该函数可能会抛出ValueError。

numpy.broadcast_to(array, shape, subok)

import numpy as npa = np.arange(4).reshape(1,4)print ('原数组：')print (a)print ('')print ('调用 broadcast_to 函数之后：')print (np.broadcast_to(a,(4,4)))

输出结果为：

原数组：[[0 1 2 3]]调用 broadcast_to 函数之后：[[0 1 2 3] [0 1 2 3] [0 1 2 3] [0 1 2 3]]

numpy.expand_dims

numpy.expand_dims 函数通过在指定位置插入新的轴来扩展数组形状，函数格式如下:

 numpy.expand_dims(arr, axis)

参数说明：

• 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 ('')y = np.expand_dims(x, axis = 0) print ('数组 y：')print (y)print ('') print ('数组 x 和 y 的形状：')print (x.shape, y.shape)print ('')# 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 ('')print ('x.ndim 和 y.ndim：')print (x.ndim,y.ndim)print ('')print ('x.shape 和 y.shape：')print (x.shape, y.shape)

输出结果为：

数组 x：[[1 2] [3 4]]数组 y：[[[1 2] [3 4]]]数组 x 和 y 的形状：(2, 2) (1, 2, 2)在位置 1 插入轴之后的数组 y：[[[1 2]] [[3 4]]]x.ndim 和 y.ndim：2 3x.shape 和 y.shape：(2, 2) (2, 1, 2)

numpy.squeeze

numpy.squeeze 函数从给定数组的形状中删除一维的条目，函数格式如下：

numpy.squeeze(arr, axis)

参数说明：

• 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 npx = np.arange(9).reshape(1,3,3)print ('数组 x：')print (x)print ('')y = np.squeeze(x)print ('数组 y：')print (y)print ('') print ('数组 x 和 y 的形状：')print (x.shape, y.shape)

输出结果为：

数组 x：[[[0 1 2] [3 4 5] [6 7 8]]]数组 y：[[0 1 2] [3 4 5] [6 7 8]]数组 x 和 y 的形状：(1, 3, 3) (3, 3)

连接数组

函数描述concatenate连接沿现有轴的数组序列stack沿着新的轴加入一系列数组。hstack水平堆叠序列中的数组(列方向)vstack竖直堆叠序列中的数组(行方向)

numpy.concatenate

numpy.concatenate 函数用于沿指定轴连接相同形状的两个或多个数组，格式如下：

numpy.concatenate((a1, a2, ...), axis)

参数说明：

• a1, a2, ...：相同类型的数组
• axis：沿着它连接数组的轴，默认为 0

import numpy as npa = np.array([[1,2],[3,4]])print ('第一个数组：')print (a)print ('')b = np.array([[5,6],[7,8]])print ('第二个数组：')print (b)print ('')# 两个数组的维度相同print ('沿轴 0 连接两个数组：')print (np.concatenate((a,b)))print ('')print ('沿轴 1 连接两个数组：')print (np.concatenate((a,b),axis = 1))

输出结果为：

第一个数组：[[1 2] [3 4]]第二个数组：[[5 6] [7 8]]沿轴 0 连接两个数组：[[1 2] [3 4] [5 6] [7 8]]沿轴 1 连接两个数组：[[1 2 5 6] [3 4 7 8]]

numpy.stack

numpy.stack 函数用于沿新轴连接数组序列，格式如下：

numpy.stack(arrays, axis)

参数说明：

• arrays相同形状的数组序列
• axis：返回数组中的轴，输入数组沿着它来堆叠

import numpy as npa = np.array([[1,2],[3,4]]) print ('第一个数组：')print (a)print ('')b = np.array([[5,6],[7,8]]) print ('第二个数组：')print (b)print ('')print ('沿轴 0 堆叠两个数组：')print (np.stack((a,b),0))print ('') print ('沿轴 1 堆叠两个数组：')print (np.stack((a,b),1))

输出结果如下：

第一个数组：[[1 2] [3 4]]第二个数组：[[5 6] [7 8]]沿轴 0 堆叠两个数组：[[[1 2] [3 4]] [[5 6] [7 8]]]沿轴 1 堆叠两个数组：[[[1 2] [5 6]] [[3 4] [7 8]]]

numpy.hstack

numpy.hstack 是 numpy.stack 函数的变体，它通过水平堆叠来生成数组。

import numpy as npa = np.array([[1,2],[3,4]])print ('第一个数组：')print (a)print ('')b = np.array([[5,6],[7,8]])print ('第二个数组：')print (b)print ('')print ('水平堆叠：')c = np.hstack((a,b))print (c)print ('')

输出结果如下：

第一个数组：[[1 2] [3 4]]第二个数组：[[5 6] [7 8]]水平堆叠：[[1 2 5 6] [3 4 7 8]]

numpy.vstack

numpy.vstack 是 numpy.stack 函数的变体，它通过垂直堆叠来生成数组。

import numpy as npa = np.array([[1,2],[3,4]]) print ('第一个数组：')print (a)print ('')b = np.array([[5,6],[7,8]])print ('第二个数组：')print (b)print ('') print ('竖直堆叠：')c = np.vstack((a,b))print (c)

输出结果为：

第一个数组：[[1 2] [3 4]]第二个数组：[[5 6] [7 8]]竖直堆叠：[[1 2] [3 4] [5 6] [7 8]]

分割数组

函数数组及操作split将一个数组分割为多个子数组hsplit将一个数组水平分割为多个子数组(按列)vsplit将一个数组垂直分割为多个子数组(按行)

numpy.split

numpy.split 函数沿特定的轴将数组分割为子数组，格式如下：

numpy.split(ary, indices_or_sections, axis)

参数说明：

• ary：被分割的数组
• indices_or_sections：果是一个整数，就用该数平均切分，如果是一个数组，为沿轴切分的位置(左开右闭)
• axis：沿着哪个维度进行切向，默认为0，横向切分。为1时，纵向切分

import numpy as np a = np.arange(9) print ('第一个数组：')print (a)print ('')print ('将数组分为三个大小相等的子数组：')b = np.split(a,3)print (b)print ('')print ('将数组在一维数组中表明的位置分割：')b = np.split(a,[4,7])print (b)

输出结果为：

第一个数组：[0 1 2 3 4 5 6 7 8]将数组分为三个大小相等的子数组：[array([0, 1, 2]), array([3, 4, 5]), array([6, 7, 8])]将数组在一维数组中表明的位置分割：[array([0, 1, 2, 3]), array([4, 5, 6]), array([7, 8])]

numpy.hsplit

numpy.hsplit 函数用于水平分割数组，通过指定要返回的相同形状的数组数量来拆分原数组。

import numpy as np harr = np.floor(10 * np.random.random((2, 6)))print ('原array：')print(harr) print ('拆分后：')print(np.hsplit(harr, 3))

输出结果为：

原array：[[4. 7. 6. 3. 2. 6.] [6. 3. 6. 7. 9. 7.]]拆分后：[array([[4., 7.], [6., 3.]]), array([[6., 3.], [6., 7.]]), array([[2., 6.], [9., 7.]])]

numpy.vsplit

numpy.vsplit 沿着垂直轴分割，其分割方式与hsplit用法相同。

import numpy as npa = np.arange(16).reshape(4,4)print ('第一个数组：')print (a)print ('') print ('竖直分割：')b = np.vsplit(a,2)print (b)

输出结果为：

第一个数组：[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11] [12 13 14 15]]竖直分割：[array([[0, 1, 2, 3], [4, 5, 6, 7]]), array([[ 8, 9, 10, 11], [12, 13, 14, 15]])]

数组元素的添加与删除

函数元素及描述resize返回指定形状的新数组append将值添加到数组末尾insert沿指定轴将值插入到指定下标之前delete删掉某个轴的子数组，并返回删除后的新数组unique查找数组内的唯一元素

numpy.resize

numpy.resize 函数返回指定大小的新数组。

如果新数组大小大于原始大小，则包含原始数组中的元素的副本。

numpy.resize(arr, shape)

参数说明：

• arr：要修改大小的数组
• shape：返回数组的新形状

import numpy as npa = np.array([[1,2,3],[4,5,6]])print ('第一个数组：')print (a)print ('') print ('第一个数组的形状：')print (a.shape)print ('')b = np.resize(a, (3,2)) print ('第二个数组：')print (b)print ('')print ('第二个数组的形状：')print (b.shape)print ('')# 要注意 a 的第一行在 b 中重复出现，因为尺寸变大了 print ('修改第二个数组的大小：')b = np.resize(a,(3,3))print (b)

输出结果为：

第一个数组：[[1 2 3] [4 5 6]]第一个数组的形状：(2, 3)第二个数组：[[1 2] [3 4] [5 6]]第二个数组的形状：(3, 2)修改第二个数组的大小：[[1 2 3] [4 5 6] [1 2 3]]

numpy.append

numpy.append 函数在数组的末尾添加值。 追加操作会分配整个数组，并把原来的数组复制到新数组中。 此外，输入数组的维度必须匹配否则将生成ValueError。

append 函数返回的始终是一个一维数组。

numpy.append(arr, values, axis=None)

参数说明：

• arr：输入数组
• values：要向arr添加的值，需要和arr形状相同(除了要添加的轴)
• axis：默认为 None。当axis无定义时，是横向加成，返回总是为一维数组！当axis有定义的时候，分别为0和1的时候。当axis有定义的时候，分别为0和1的时候(列数要相同)。当axis为1时，数组是加在右边(行数要相同)。

import numpy as npa = np.array([[1,2,3],[4,5,6]])print ('第一个数组：')print (a)print ('') print ('向数组添加元素：')print (np.append(a, [7,8,9]))print ('')print ('沿轴 0 添加元素：')print (np.append(a, [[7,8,9]],axis = 0))print ('') print ('沿轴 1 添加元素：')print (np.append(a, [[5,5,5],[7,8,9]],axis = 1))

输出结果为：

第一个数组：[[1 2 3] [4 5 6]]向数组添加元素：[1 2 3 4 5 6 7 8 9]沿轴 0 添加元素：[[1 2 3] [4 5 6] [7 8 9]]沿轴 1 添加元素：[[1 2 3 5 5 5] [4 5 6 7 8 9]]

numpy.insert

numpy.insert 函数在给定索引之前，沿给定轴在输入数组中插入值。

如果值的类型转换为要插入，则它与输入数组不同。 插入没有原地的，函数会返回一个新数组。 此外，如果未提供轴，则输入数组会被展开。

numpy.insert(arr, obj, values, axis)

参数说明：

• arr：输入数组
• obj：在其之前插入值的索引
• values：要插入的值
• axis：沿着它插入的轴，如果未提供，则输入数组会被展开

import numpy as np a = np.array([[1,2],[3,4],[5,6]])print ('第一个数组：')print (a)print ('') print ('未传递 Axis 参数。 在插入之前输入数组会被展开。')print (np.insert(a,3,[11,12]))print ('')print ('传递了 Axis 参数。 会广播值数组来配输入数组。')print ('沿轴 0 广播：')print (np.insert(a,1,[11],axis = 0))print ('') print ('沿轴 1 广播：')print (np.insert(a,1,11,axis = 1))

输出结果如下：

第一个数组：[[1 2] [3 4] [5 6]]未传递 Axis 参数。 在插入之前输入数组会被展开。[ 1 2 3 11 12 4 5 6]传递了 Axis 参数。 会广播值数组来配输入数组。沿轴 0 广播：[[ 1 2] [11 11] [ 3 4] [ 5 6]]沿轴 1 广播：[[ 1 11 2] [ 3 11 4] [ 5 11 6]]

numpy.delete

numpy.delete 函数返回从输入数组中删除指定子数组的新数组。 与 insert() 函数的情况一样，如果未提供轴参数，则输入数组将展开。

Numpy.delete(arr, obj, axis)

参数说明：

• arr：输入数组
• obj：可以被切片，整数或者整数数组，表明要从输入数组删除的子数组
• axis：沿着它删除给定子数组的轴，如果未提供，则输入数组会被展开

import numpy as npa = np.arange(12).reshape(3,4)print ('第一个数组：')print (a)print ('')print ('未传递 Axis 参数。 在插入之前输入数组会被展开。')print (np.delete(a,5))print ('') print ('删除第二列：')print (np.delete(a,1,axis = 1))print ('')print ('包含从数组中删除的替代值的切片：')a = np.array([1,2,3,4,5,6,7,8,9,10])print (np.delete(a, np.s_[::2]))

输出结果为：

第一个数组：[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]]未传递 Axis 参数。 在插入之前输入数组会被展开。[ 0 1 2 3 4 6 7 8 9 10 11]删除第二列：[[ 0 2 3] [ 4 6 7] [ 8 10 11]]包含从数组中删除的替代值的切片：[ 2 4 6 8 10]

numpy.unique

numpy.unique 函数用于去除数组中的重复元素。

numpy.unique(arr, return_index, return_inverse, return_counts)

• arr：输入数组，如果不是一维数组则会展开
• return_index：如果为true，返回新列表元素在旧列表中的位置(下标)，并以列表形式储
• return_inverse：如果为true，返回旧列表元素在新列表中的位置(下标)，并以列表形式储
• return_counts：如果为true，返回去重数组中的元素在原数组中的出现次数

import numpy as np a = np.array([5,2,6,2,7,5,6,8,2,9])print ('第一个数组：')print (a)print ('') print ('第一个数组的去重值：')u = np.unique(a)print (u)print ('') print ('去重数组的索引数组：')u,indices = np.unique(a, return_index = True)print (indices)print ('') print ('我们可以看到每个和原数组下标对应的数值：')print (a)print ('') print ('去重数组的下标：')u,indices = np.unique(a,return_inverse = True)print (u)print ('') print ('下标为：')print (indices)print ('') print ('使用下标重构原数组：')print (u[indices])print ('') print ('返回去重元素的重复数量：')u,indices = np.unique(a,return_counts = True)print (u)print (indices)

输出结果为：

第一个数组：[5 2 6 2 7 5 6 8 2 9]第一个数组的去重值：[2 5 6 7 8 9]去重数组的索引数组：[1 0 2 4 7 9]我们可以看到每个和原数组下标对应的数值：[5 2 6 2 7 5 6 8 2 9]去重数组的下标：[2 5 6 7 8 9]下标为：[1 0 2 0 3 1 2 4 0 5]使用下标重构原数组：[5 2 6 2 7 5 6 8 2 9]返回去重元素的重复数量：[2 5 6 7 8 9][3 2 2 1 1 1]

本文参照菜鸟教程 NumPy 数组操作