Numpy 数组操作01

最新推荐文章于 2024-05-14 15:30:28 发布

数据攻城小狮子

最新推荐文章于 2024-05-14 15:30:28 发布

阅读量435

点赞数 6

分类专栏： Python数据分析、挖掘与可视化文章标签： numpy python

本文为博主原创文章，未经博主允许不得转载。

本文链接：https://blog.youkuaiyun.com/weixin_46322367/article/details/115179256

版权

Python数据分析、挖掘与可视化专栏收录该内容

29 篇文章

订阅专栏

这篇博客介绍了NumPy中关于数组形状变换的方法，包括如何使用`shape`属性改变数组形状，利用`flat`、`flatten`和`ravel`进行一维化操作，以及`reshape`函数的使用。此外，还讲解了数组的转置操作`T`和`transpose`函数，以及通过`np.newaxis`改变数组维度。这些知识对于理解和操作NumPy数组至关重要。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

更改形状

在对数组进行操作时，为了满足格式和计算的要求通常会改变其形状。

numpy.ndarray.shape表示数组的维度，返回一个元组，这个元组的长度就是维度的数目，即 ndim 属性(秩)。
【例】通过修改 shape 属性来改变数组的形状。

import numpy as np

x=np.array([1,2,3,4,5,6,7,8])
print(x.shape) # (8,)
x.shape=[2,4]
print(x)
'''
[[1 2 3 4]
 [5 6 7 8]]
'''

numpy.ndarray.flat 将数组转换为一维的迭代器，可以用for访问数组每一个元素。
【例】

import numpy as np

x = np.array([[11, 12, 13, 14, 15],
              [16, 17, 18, 19, 20],
              [21, 22, 23, 24, 25],
              [26, 27, 28, 29, 30],
              [31, 32, 33, 34, 35]])
y=x.flat
print(y)
# <numpy.flatiter object at 0x0000026582447C10>
for i in y:
    print(i,end=' ')
# 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 

y[3]=0
print(end='\n')
print(x)
'''
[[11 12 13  0 15]
 [16 17 18 19 20]
 [21 22 23 24 25]
 [26 27 28 29 30]
 [31 32 33 34 35]]
'''

numpy.ndarray.flatten([order=‘C’]) 将数组的副本转换为一维数组，并返回。
order：‘C’ – 按行，‘F’ – 按列，‘A’ – 原顺序，‘k’ – 元素在内存中的出现顺序。(简记)
order：{'C / F，'A，K}，可选使用此索引顺序读取a的元素。'C’意味着以行大的C风格顺序对元素进行索引，最后一个轴索引会更改F表示以列大的Fortran样式顺序索引元素，其中第一个索引变化最快，最后一个索引变化最快。请注意，'C’和’F’选项不考虑基础数组的内存布局，仅引用轴索引的顺序.A’表示如果a为Fortran，则以类似Fortran的索引顺序读取元素在内存中连续，否则类似C的顺序。“ K”表示按照步序在内存中的顺序读取元素，但步幅为负时反转数据除外。默认情况下，使用Cindex顺序。
【例】flatten()函数返回的是拷贝。

import numpy as np

x = np.array([[11, 12, 13, 14, 15],
              [16, 17, 18, 19, 20],
              [21, 22, 23, 24, 25],
              [26, 27, 28, 29, 30],
              [31, 32, 33, 34, 35]])
y=x.flatten()
print(y)
'''
[11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34
 35]
'''
y[3]=0
print(x)
'''
[[11 12 13 14 15]
 [16 17 18 19 20]
 [21 22 23 24 25]
 [26 27 28 29 30]
 [31 32 33 34 35]]
'''

x = np.array([[11, 12, 13, 14, 15],
              [16, 17, 18, 19, 20],
              [21, 22, 23, 24, 25],
              [26, 27, 28, 29, 30],
              [31, 32, 33, 34, 35]])

y = x.flatten(order='F')
print(y)
# [11 16 21 26 31 12 17 22 27 32 13 18 23 28 33 14 19 24 29 34 15 20 25 30
#  35]

y[3] = 0
print(x)
# [[11 12 13 14 15]
#  [16 17 18 19 20]
#  [21 22 23 24 25]
#  [26 27 28 29 30]
#  [31 32 33 34 35]]

【例】ravel()返回的是视图。

import numpy as np

x = np.array([[11, 12, 13, 14, 15],
              [16, 17, 18, 19, 20],
              [21, 22, 23, 24, 25],
              [26, 27, 28, 29, 30],
              [31, 32, 33, 34, 35]])
y=np.ravel(x)
print(y)
'''
[11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34
 35]
'''
y[3]=0
print(x)
'''
[[11 12 13  0 15]
 [16 17 18 19 20]
 [21 22 23 24 25]
 [26 27 28 29 30]
 [31 32 33 34 35]]
'''

【例】order=F 就是拷贝

x = np.array([[11, 12, 13, 14, 15],
              [16, 17, 18, 19, 20],
              [21, 22, 23, 24, 25],
              [26, 27, 28, 29, 30],
              [31, 32, 33, 34, 35]])

y = np.ravel(x, order='F')
print(y)
# [11 16 21 26 31 12 17 22 27 32 13 18 23 28 33 14 19 24 29 34 15 20 25 30
#  35]

y[3] = 0
print(x)
# [[11 12 13 14 15]
#  [16 17 18 19 20]
#  [21 22 23 24 25]
#  [26 27 28 29 30]
#  [31 32 33 34 35]]

reshape()函数当参数newshape = [rows,-1]时，将根据行数自动确定列数。

import numpy as np

x=np.arange(12)
y=np.reshape(x,[3,4])
print(y.dtype) # int32
print(y) 
'''
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]'''

y=np.reshape(x,[3,-1])
print(y)
'''
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]'''

y=np.reshape(x,[-1,3])
print(y)
'''
[[ 0  1  2]
 [ 3  4  5]
 [ 6  7  8]
 [ 9 10 11]]'''

y[0,1]=10
print(x)
# [ 0 10  2  3  4  5  6  7  8  9 10 11]
# （改变x去reshape后y中的值，x对应元素也改变）

【例】reshape()函数当参数newshape = -1时，表示将数组降为一维。

import numpy as np

x=np.random.randint(12,size=[2,2,3])
print(x)
'''
[[[7 5 5]
  [7 3 9]]

 [[4 6 9]
  [2 8 4]]]'''
y=np.reshape(x,-1)
print(y)
# [7 5 5 7 3 9 4 6 9 2 8 4]

数组转置

import numpy as np

x=np.array([
[1,2,3,4,5],
[6,7,8,9,10],
[11,12,13,14,15]])
print(x)
'''
[[ 1  2  3  4  5]
 [ 6  7  8  9 10]
 [11 12 13 14 15]]'''
y=x.T
print(y)
'''
[[ 1  6 11]
 [ 2  7 12]
 [ 3  8 13]
 [ 4  9 14]
 [ 5 10 15]]'''
z=np.transpose(x)
print(z)
'''
[[ 1  6 11]
 [ 2  7 12]
 [ 3  8 13]
 [ 4  9 14]
 [ 5 10 15]]'''

更改维度

import numpy as np

x=np.array([1,2,9,4,5,6,7,8])
print(x.shape) # (8,)
print(x) # [1 2 9 4 5 6 7 8]

y=x[np.newaxis,:]
print(y.shape) # (1, 8)
print(y) 

y = x[:, np.newaxis]
print(y.shape)  # (8, 1)
print(y)
'''
[[1]
 [2]
 [9]
 [4]
 [5]
 [6]
 [7]
 [8]]'''