Numpy array数据的增、删、改、查

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。

[python] view plain copy

print ?

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]  

>>> 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]

增

[python] view plain copy

print ?

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]])  

>>> 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

[python] view plain copy

print ?

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]])  

>>> 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]])

查

[python] view plain copy

print ?

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])  

>>> a
array([[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。

[python] view plain copy

print ?

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]  

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]

改

[python] view plain copy

print ?

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”。  
4.   
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]])  

>>> 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

[python] view plain copy

print ?

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]])  

>>> 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]])

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。

[python] view plain copy

print ?

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. ]])  

>>> 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. ]])

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。

[python] view plain copy

print ?

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

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

方法二：

[python] view plain copy

print ?

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]])  

>>> 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。

[python] view plain copy

print ?

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。  
9.   
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。  

转载自
https://blog.youkuaiyun.com/zhangchuang601/article/details/79626511