NumPy基礎(chǔ)教程（四）數(shù)組應(yīng)用

網(wǎng)摘文苑 2022-11-27 發(fā)布于新疆

展開全文

修改數(shù)組形狀

numpy.reshape

numpy.reshape 函數(shù)可以在不改變數(shù)據(jù)的條件下修改形狀

numpy.reshape(arr, newshape, order='C')

arr：要修改形狀的數(shù)組
newshape：整數(shù)或者整數(shù)數(shù)組,，新的形狀應(yīng)當(dāng)兼容原有形狀
order：'C' -- 按行,，'F' -- 按列,，'A' -- 原順序,，'k' -- 元素在內(nèi)存中的出現(xiàn)順序,。

import numpy as npa = np.arange(8)print ('原始數(shù)組：')print (a)print ('\n')b = a.reshape(4,2)print ('修改后的數(shù)組：')print (b)

原始數(shù)組：[0 1 2 3 4 5 6 7]修改后的數(shù)組：[[0 1] [2 3] [4 5] [6 7]]

numpy.ndarray.flat

numpy.ndarray.flat 是一個數(shù)組元素迭代器

import numpy as npa = np.arange(9).reshape(3,3) print ('原始數(shù)組：')for row in a:      print (row) #對數(shù)組中每個元素都進行處理,，可以使用flat屬性，該屬性是一個數(shù)組元素迭代器：print ('迭代后的數(shù)組：')for element in a.flat:  print (element)

原始數(shù)組：[0 1 2][3 4 5][6 7 8]迭代后的數(shù)組：012345678

numpy.ndarray.flatten

numpy.ndarray.flatten 返回一份數(shù)組拷貝,，對拷貝所做的修改不會影響原始數(shù)組,，格式如下：

ndarray.flatten(order='C')

參數(shù)說明：

order：'C' -- 按行，'F' -- 按列,，'A' -- 原順序,，'K' -- 元素在內(nèi)存中的出現(xiàn)順序。

import numpy as npa = np.arange(8).reshape(2,4)print ('原數(shù)組：')print (a)print ('\n')# 默認(rèn)按行print ('展開的數(shù)組：')print (a.flatten())print ('\n')print ('以 F 風(fēng)格順序展開的數(shù)組：')print (a.flatten(order = 'F'))

原數(shù)組：[[0 1 2 3] [4 5 6 7]]展開的數(shù)組：[0 1 2 3 4 5 6 7]以 F 風(fēng)格順序展開的數(shù)組：[0 4 1 5 2 6 3 7]

numpy.ravel

numpy.ravel() 展平的數(shù)組元素,，順序通常是'C風(fēng)格',，返回的是數(shù)組視圖（view，有點類似 C/C++引用reference的意味）,，修改會影響原始數(shù)組,。

該函數(shù)接收兩個參數(shù)：

numpy.ravel(a, order='C')

參數(shù)說明：

order：'C' -- 按行，'F' -- 按列,，'A' -- 原順序,，'K' -- 元素在內(nèi)存中的出現(xiàn)順序。

import numpy as npa = np.arange(8).reshape(2,4)print ('原數(shù)組：')print (a)print ('\n')print ('調(diào)用 ravel 函數(shù)之后：')print (a.ravel())print ('\n')print ('以 F 風(fēng)格順序調(diào)用 ravel 函數(shù)之后：')print (a.ravel(order = 'F'))

原數(shù)組：[[0 1 2 3] [4 5 6 7]]調(diào)用 ravel 函數(shù)之后：[0 1 2 3 4 5 6 7]以 F 風(fēng)格順序調(diào)用 ravel 函數(shù)之后：[0 4 1 5 2 6 3 7]

翻轉(zhuǎn)數(shù)組

numpy.transpose

numpy.transpose 函數(shù)用于對換數(shù)組的維度,，格式如下：

numpy.transpose(arr, axes)

參數(shù)說明:

arr：要操作的數(shù)組
axes：整數(shù)列表,，對應(yīng)維度，通常所有維度都會對換,。

import numpy as npa = np.arange(12).reshape(3,4)print ('原數(shù)組：')print (a )print ('\n')print ('對換數(shù)組：')print (np.transpose(a))

原數(shù)組：[[ 0  1  2  3] [ 4  5  6  7] [ 8  9 10 11]]對換數(shù)組：[[ 0  4  8] [ 1  5  9] [ 2  6 10] [ 3  7 11]]

numpy.ndarray.T 類似 numpy.transpose：

import numpy as npa = np.arange(12).reshape(3,4)print ('原數(shù)組：')print (a)print ('\n')print ('轉(zhuǎn)置數(shù)組：')print (a.T)

原數(shù)組：[[ 0  1  2  3] [ 4  5  6  7] [ 8  9 10 11]]轉(zhuǎn)置數(shù)組：[[ 0  4  8] [ 1  5  9] [ 2  6 10] [ 3  7 11]]

numpy.rollaxis

numpy.rollaxis 函數(shù)向后滾動特定的軸到一個特定位置,，格式如下：

numpy.rollaxis(arr, axis, start)

參數(shù)說明：

arr：數(shù)組
axis：要向后滾動的軸，其它軸的相對位置不會改變
start：默認(rèn)為零,，表示完整的滾動,。會滾動到特定位置,。

import numpy as np# 創(chuàng)建了三維的 ndarraya = np.arange(8).reshape(2,2,2)print ('原數(shù)組：')print (a)print ('獲取數(shù)組中一個值：')print(np.where(a==6))   print(a[1,1,0])  # 為 6print ('\n')# 將軸 2 滾動到軸 0（寬度到深度）print ('調(diào)用 rollaxis 函數(shù)：')b = np.rollaxis(a,2,0)print (b)# 查看元素 a[1,1,0],，即 6 的坐標(biāo)，變成 [0, 1, 1]# 最后一個 0 移動到最前面print(np.where(b==6))   print ('\n') # 將軸 2 滾動到軸 1：（寬度到高度）print ('調(diào)用 rollaxis 函數(shù)：')c = np.rollaxis(a,2,1)print (c)# 查看元素 a[1,1,0],，即 6 的坐標(biāo),，變成 [1, 0, 1]# 最后的 0 和 它前面的 1 對換位置print(np.where(c==6))   print ('\n')

原數(shù)組：[[[0 1]  [2 3]] [[4 5]  [6 7]]]獲取數(shù)組中一個值：(array([1]), array([1]), array([0]))6調(diào)用 rollaxis 函數(shù)：[[[0 2]  [4 6]] [[1 3]  [5 7]]](array([0]), array([1]), array([1]))調(diào)用 rollaxis 函數(shù)：[[[0 2]  [1 3]] [[4 6]  [5 7]]](array([1]), array([0]), array([1]))

numpy.swapaxes

numpy.swapaxes 函數(shù)用于交換數(shù)組的兩個軸，格式如下：

numpy.swapaxes(arr, axis1, axis2)

arr：輸入的數(shù)組
axis1：對應(yīng)第一個軸的整數(shù)
axis2：對應(yīng)第二個軸的整數(shù)

import numpy as npbr br# 創(chuàng)建了三維的 ndarraybra = np.arange(8).reshape(2,2,2)br brprint ('原數(shù)組：')brprint (a)brprint ('\n')br# 現(xiàn)在交換軸 0（深度方向）到軸 2（寬度方向）br brprint ('調(diào)用 swapaxes 函數(shù)后的數(shù)組：')brprint (np.swapaxes(a, 2, 0))

原數(shù)組：[[[0 1]  [2 3]] [[4 5]  [6 7]]]調(diào)用 swapaxes 函數(shù)后的數(shù)組：[[[0 4]  [2 6]] [[1 5]  [3 7]]]

修改數(shù)組維度

numpy.broadcast

numpy.broadcast 用于模仿廣播的對象,，它返回一個對象,，該對象封裝了將一個數(shù)組廣播到另一個數(shù)組的結(jié)果。

import numpy as npx = np.array([[1], [2], [3]])y = np.array([4, 5, 6])  # 對 y 廣播 xb = np.broadcast(x,y)  # 它擁有 iterator 屬性,，基于自身組件的迭代器元組print ('對 y 廣播 x：')r,c = b.itersbr # Python3.x 為 next(context) ,，Python2.x 為 context.next()print (next(r), next(c))print (next(r), next(c))print ('\n')# shape 屬性返回廣播對象的形狀print ('廣播對象的形狀：')print (b.shape)print ('\n')br# 手動使用 broadcast 將 x 與 y 相加b = np.broadcast(x,y)c = np.empty(b.shape)print ('手動使用 broadcast 將 x 與 y 相加：')print (c.shapeprint ('\n')c.flat = [u + v for (u,v) in b]print ('調(diào)用 flat 函數(shù)：')print (c)print ('\n')# 獲得了和 NumPy 內(nèi)建的廣播支持相同的結(jié)果print ('x 與 y 的和：')print (x + y)

對 y 廣播 x：1 41 5廣播對象的形狀：(3, 3)手動使用 broadcast 將 x 與 y 相加：(3, 3)調(diào)用 flat 函數(shù)：[[5. 6. 7.] [6. 7. 8.] [7. 8. 9.]]x 與 y 的和：[[5 6 7] [6 7 8] [7 8 9]]

numpy.broadcast_to

numpy.broadcast_to 函數(shù)將數(shù)組廣播到新形狀。它在原始數(shù)組上返回只讀視圖,。它通常不連續(xù),。如果新形狀不符合 NumPy 的廣播規(guī)則,，該函數(shù)可能會拋出ValueError。

numpy.broadcast_to(array, shape, subok)

import numpy as npa = np.arange(4).reshape(1,4)print ('原數(shù)組：')print (a)print ('\n')print ('調(diào)用 broadcast_to 函數(shù)之后：')print (np.broadcast_to(a,(4,4)))

原數(shù)組：[[0 1 2 3]]調(diào)用 broadcast_to 函數(shù)之后：[[0 1 2 3] [0 1 2 3] [0 1 2 3] [0 1 2 3]]

numpy.expand_dims

numpy.expand_dims 函數(shù)通過在指定位置插入新的軸來擴展數(shù)組形狀

numpy.expand_dims(arr, axis)

參數(shù)說明：

arr：輸入數(shù)組
axis：新軸插入的位置

import numpy as npx = np.array(([1,2],[3,4]))print ('數(shù)組 x：')print (x)print ('\n')y = np.expand_dims(x, axis = 0)print ('數(shù)組 y：')print (y)print ('\n')print ('數(shù)組 x 和 y 的形狀：')print (x.shape, y.shape)print ('\n')# 在位置 1 插入軸y = np.expand_dims(x, axis = 1)print ('在位置 1 插入軸之后的數(shù)組 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)

數(shù)組 x：[[1 2] [3 4]]數(shù)組 y：[[[1 2]  [3 4]]]數(shù)組 x 和 y 的形狀：(2, 2) (1, 2, 2)在位置 1 插入軸之后的數(shù)組 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 函數(shù)從給定數(shù)組的形狀中刪除一維的條目

numpy.squeeze(arr, axis)

參數(shù)說明：

arr：輸入數(shù)組
axis：整數(shù)或整數(shù)元組,，用于選擇形狀中一維條目的子集

import numpy as npx = np.arange(9).reshape(1,3,3)print ('數(shù)組 x：')print (x)print ('\n')y = np.squeeze(x)print ('數(shù)組 y：')print (y)print ('\n')print ('數(shù)組 x 和 y 的形狀：')print (x.shape, y.shape)

數(shù)組 x：[[[0 1 2]  [3 4 5]  [6 7 8]]]數(shù)組 y：[[0 1 2] [3 4 5] [6 7 8]]數(shù)組 x 和 y 的形狀：(1, 3, 3) (3, 3)

連接數(shù)組

numpy.concatenate

numpy.concatenate 函數(shù)用于沿指定軸連接相同形狀的兩個或多個數(shù)組

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

參數(shù)說明：

a1, a2, ...：相同類型的數(shù)組
axis：沿著它連接數(shù)組的軸,，默認(rèn)為 0

import numpy as npa = np.array([[1,2],[3,4]])print ('第一個數(shù)組：')print (a)print ('\n')b = np.array([[5,6],[7,8]])print ('第二個數(shù)組：')print (b)print ('\n')# 兩個數(shù)組的維度相同print ('沿軸 0 連接兩個數(shù)組：')print (np.concatenate((a,b)))print ('\n')print ('沿軸 1 連接兩個數(shù)組：')print (np.concatenate((a,b),axis = 1))

第一個數(shù)組：[[1 2] [3 4]]第二個數(shù)組：[[5 6] [7 8]]沿軸 0 連接兩個數(shù)組：[[1 2] [3 4] [5 6] [7 8]]沿軸 1 連接兩個數(shù)組：[[1 2 5 6] [3 4 7 8]]

numpy.stack

numpy.stack 函數(shù)用于沿新軸連接數(shù)組序列

numpy.stack(arrays, axis)

參數(shù)說明：

arrays相同形狀的數(shù)組序列
axis：返回數(shù)組中的軸，輸入數(shù)組沿著它來堆疊

import numpy as npa = np.array([[1,2],[3,4]])print ('第一個數(shù)組：')print (a)print ('\n')b = np.array([[5,6],[7,8]])print ('第二個數(shù)組：')print (b)print ('\n')print ('沿軸 0 堆疊兩個數(shù)組：')print (np.stack((a,b),0))print ('\n')print ('沿軸 1 堆疊兩個數(shù)組：')print (np.stack((a,b),1))

第一個數(shù)組：[[1 2] [3 4]]第二個數(shù)組：[[5 6] [7 8]]沿軸 0 堆疊兩個數(shù)組：[[[1 2]  [3 4]] [[5 6]  [7 8]]]沿軸 1 堆疊兩個數(shù)組：[[[1 2]  [5 6]] [[3 4]  [7 8]]]

numpy.hstack

numpy.hstack 是 numpy.stack 函數(shù)的變體,，它通過水平堆疊來生成數(shù)組,。

import numpy as npa = np.array([[1,2],[3,4]])print ('第一個數(shù)組：')print (a)print ('\n')b = np.array([[5,6],[7,8]])print ('第二個數(shù)組：')print (b)print ('\n')print ('水平堆疊：')c = np.hstack((a,b))print (c)print ('\n')

第一個數(shù)組：[[1 2] [3 4]]第二個數(shù)組：[[5 6] [7 8]]水平堆疊：[[1 2 5 6] [3 4 7 8]]

numpy.vstack

numpy.vstack 是 numpy.stack 函數(shù)的變體，它通過垂直堆疊來生成數(shù)組,。

import numpy as npa = np.array([[1,2],[3,4]])print ('第一個數(shù)組：')print (a)print ('\n')b = np.array([[5,6],[7,8]])print ('第二個數(shù)組：')print (b)brprint ('\n')print ('豎直堆疊：')c = np.vstack((a,b))print (c)

第一個數(shù)組：[[1 2] [3 4]]第二個數(shù)組：[[5 6] [7 8]]豎直堆疊：[[1 2] [3 4] [5 6] [7 8]]

分割數(shù)組

numpy.split

numpy.split 函數(shù)沿特定的軸將數(shù)組分割為子數(shù)組

numpy.split(ary, indices_or_sections, axis)

參數(shù)說明：

ary：被分割的數(shù)組
indices_or_sections：如果是一個整數(shù),，就用該數(shù)平均切分，如果是一個數(shù)組,，為沿軸切分的位置（左開右閉）
axis：設(shè)置沿著哪個方向進行切分,，默認(rèn)為 0，橫向切分,，即水平方向,。為 1 時，縱向切分,，即豎直方向,。

import numpy as npa = np.arange(9)print ('第一個數(shù)組：')print (a)print ('\n')print ('將數(shù)組分為三個大小相等的子數(shù)組：')b = np.split(a,3)print (b)print ('\n')print ('將數(shù)組在一維數(shù)組中表明的位置分割：')b = np.split(a,[4,7])print (b)

第一個數(shù)組：[0 1 2 3 4 5 6 7 8]將數(shù)組分為三個大小相等的子數(shù)組：[array([0, 1, 2]), array([3, 4, 5]), array([6, 7, 8])]將數(shù)組在一維數(shù)組中表明的位置分割：[array([0, 1, 2, 3]), array([4, 5, 6]), array([7, 8])]

axis 為 0 時在水平方向分割，axis 為 1 時在垂直方向分割：

import numpy as npa = np.arange(16).reshape(4, 4)print('第一個數(shù)組：')print(a)print('\n')print('默認(rèn)分割（0軸）：')b = np.split(a,2)print(b)print('\n')print('沿水平方向分割：')c = np.split(a,2,1)print(c)print('\n')print('沿水平方向分割：')d= np.hsplit(a,2)print(d)

第一個數(shù)組：[[ 0  1  2  3] [ 4  5  6  7] [ 8  9 10 11] [12 13 14 15]]默認(rèn)分割（0軸）：[array([[0, 1, 2, 3],       [4, 5, 6, 7]]), array([[ 8,  9, 10, 11],       [12, 13, 14, 15]])]沿水平方向分割：[array([[ 0,  1],       [ 4,  5],       [ 8,  9],       [12, 13]]), array([[ 2,  3],       [ 6,  7],       [10, 11],       [14, 15]])]沿水平方向分割：[array([[ 0,  1],       [ 4,  5],       [ 8,  9],       [12, 13]]), array([[ 2,  3],       [ 6,  7],       [10, 11],       [14, 15]])]

numpy.hsplit

numpy.hsplit 函數(shù)用于水平分割數(shù)組,，通過指定要返回的相同形狀的數(shù)組數(shù)量來拆分原數(shù)組,。

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

原array：[[4. 8. 9. 9. 3. 6.] [0. 7. 5. 9. 9. 6.]]拆分后：[array([[4., 8.],       [0., 7.]]), array([[9., 9.],       [5., 9.]]), array([[3., 6.],       [9., 6.]])]

numpy.vsplit

numpy.vsplit 沿著垂直軸分割，其分割方式與hsplit用法相同,。

import numpy as npba = np.arange(16).reshape(4,4)print ('第一個數(shù)組：')print (a)print ('\n')print ('豎直分割：')b = np.vsplit(a,2)print (b)

第一個數(shù)組：[[ 0  1  2  3] [ 4  5  6  7] [ 8  9 10 11] [12 13 14 15]]豎直分割：[array([[0, 1, 2, 3],       [4, 5, 6, 7]]), array([[ 8,  9, 10, 11],       [12, 13, 14, 15]])]

數(shù)組元素的添加與刪除

numpy.resize

numpy.resize 函數(shù)返回指定大小的新數(shù)組,。

如果新數(shù)組大小大于原始大小，則包含原始數(shù)組中的元素的副本,。

numpy.resize(arr, shape)

參數(shù)說明：

arr：要修改大小的數(shù)組
shape：返回數(shù)組的新形狀

import numpy as npa = np.array([[1,2,3],[4,5,6]])print ('第一個數(shù)組：')print (a)print ('\n')print ('第一個數(shù)組的形狀：')print (a.shape)print ('\n')b = np.resize(a, (3,2))print ('第二個數(shù)組：')print (b)print ('\n')print ('第二個數(shù)組的形狀：')print (b.shape)print ('\n') # 要注意 a 的第一行在 b 中重復(fù)出現(xiàn),，因為尺寸變大了print ('修改第二個數(shù)組的大小：')b = np.resize(a,(3,3))print (b)

第一個數(shù)組：[[1 2 3] [4 5 6]]第一個數(shù)組的形狀：(2, 3)第二個數(shù)組：[[1 2] [3 4] [5 6]]第二個數(shù)組的形狀：(3, 2)修改第二個數(shù)組的大?。?span>[[1 2 3] [4 5 6] [1 2 3]]

numpy.append

numpy.append 函數(shù)在數(shù)組的末尾添加值,。追加操作會分配整個數(shù)組，并把原來的數(shù)組復(fù)制到新數(shù)組中,。此外,，輸入數(shù)組的維度必須匹配否則將生成ValueError。

append 函數(shù)返回的始終是一個一維數(shù)組,。

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

參數(shù)說明：

arr：輸入數(shù)組
values：要向arr添加的值,，需要和arr形狀相同（除了要添加的軸）
axis：默認(rèn)為 None。當(dāng)axis無定義時，是橫向加成,，返回總是為一維數(shù)組,！當(dāng)axis有定義的時候，分別為0和1的時候,。當(dāng)axis有定義的時候,，分別為0和1的時候（列數(shù)要相同）。當(dāng)axis為1時,，數(shù)組是加在右邊（行數(shù)要相同）,。

import numpy as npa = np.array([[1,2,3],[4,5,6]])print ('第一個數(shù)組：')print (a)print ('\n')print ('向數(shù)組添加元素：')print (np.append(a, [7,8,9]))print ('\n')print ('沿軸 0 添加元素：')print (np.append(a, [[7,8,9]],axis = 0))print ('\n')print ('沿軸 1 添加元素：')print (np.append(a, [[5,5,5],[7,8,9]],axis = 1))

第一個數(shù)組：[[1 2 3] [4 5 6]]向數(shù)組添加元素：[1 2 3 4 5 6 7 8 9]沿軸 0 添加元素：[[1 2 3] [4 5 6] [7 8 9]]沿軸 1 添加元素：[[1 2 3 5 5 5] [4 5 6 7 8 9]]

numpy.insert

numpy.insert 函數(shù)在給定索引之前，沿給定軸在輸入數(shù)組中插入值,。

如果值的類型轉(zhuǎn)換為要插入,，則它與輸入數(shù)組不同。插入沒有原地的,，函數(shù)會返回一個新數(shù)組,。此外，如果未提供軸,，則輸入數(shù)組會被展開,。

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

參數(shù)說明：

arr：輸入數(shù)組
obj：在其之前插入值的索引
values：要插入的值
axis：沿著它插入的軸，如果未提供,，則輸入數(shù)組會被展開

import numpy as npa = np.array([[1,2],[3,4],[5,6]])print ('第一個數(shù)組：')print (a)print ('\n')print ('未傳遞 Axis 參數(shù),。 在刪除之前輸入數(shù)組會被展開。')print (np.insert(a,3,[11,12]))print ('\n')print ('傳遞了 Axis 參數(shù),。 會廣播值數(shù)組來配輸入數(shù)組,。')print ('沿軸 0 廣播：')print (np.insert(a,1,[11],axis = 0))print ('\n')print ('沿軸 1 廣播：')print (np.insert(a,1,11,axis = 1))

第一個數(shù)組：[[1 2] [3 4] [5 6]]未傳遞 Axis 參數(shù)。 在刪除之前輸入數(shù)組會被展開,。[ 1  2  3 11 12  4  5  6]傳遞了 Axis 參數(shù),。 會廣播值數(shù)組來配輸入數(shù)組。沿軸 0 廣播：[[ 1  2] [11 11] [ 3  4] [ 5  6]]沿軸 1 廣播：[[ 1 11  2] [ 3 11  4] [ 5 11  6]]

numpy.delete

numpy.delete 函數(shù)返回從輸入數(shù)組中刪除指定子數(shù)組的新數(shù)組,。與 insert() 函數(shù)的情況一樣,，如果未提供軸參數(shù)，則輸入數(shù)組將展開,。

Numpy.delete(arr, obj, axis)

參數(shù)說明：

arr：輸入數(shù)組
obj：可以被切片,，整數(shù)或者整數(shù)數(shù)組,，表明要從輸入數(shù)組刪除的子數(shù)組
axis：沿著它刪除給定子數(shù)組的軸,，如果未提供，則輸入數(shù)組會被展開

import numpy as npa = np.arange(12).reshape(3,4)print ('第一個數(shù)組：')print (a)print ('\n')print ('未傳遞 Axis 參數(shù),。 在插入之前輸入數(shù)組會被展開,。')print (np.delete(a,5))print ('\n')print ('刪除第二列：')print (np.delete(a,1,axis = 1))print ('\n')print ('包含從數(shù)組中刪除的替代值的切片：')a = np.array([1,2,3,4,5,6,7,8,9,10])print (np.delete(a, np.s_[::2]))

第一個數(shù)組：[[ 0  1  2  3] [ 4  5  6  7] [ 8  9 10 11]]未傳遞 Axis 參數(shù)。 在插入之前輸入數(shù)組會被展開。[ 0  1  2  3  4  6  7  8  9 10 11]刪除第二列：[[ 0  2  3] [ 4  6  7] [ 8 10 11]]包含從數(shù)組中刪除的替代值的切片：[ 2  4  6  8 10]

numpy.unique

numpy.unique 函數(shù)用于去除數(shù)組中的重復(fù)元素,。

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

arr：輸入數(shù)組,，如果不是一維數(shù)組則會展開
return_index：如果為true，返回新列表元素在舊列表中的位置（下標(biāo)）,，并以列表形式儲
return_inverse：如果為true,，返回舊列表元素在新列表中的位置（下標(biāo)），并以列表形式儲
return_counts：如果為true,，返回去重數(shù)組中的元素在原數(shù)組中的出現(xiàn)次數(shù)

import numpy as npa = np.array([5,2,6,2,7,5,6,8,2,9])print ('第一個數(shù)組：')print (a)print ('\n')print ('第一個數(shù)組的去重值：')u = np.unique(a)print (u)print ('\n')print ('去重數(shù)組的索引數(shù)組：')u,indices = np.unique(a, return_index = True)print (indices)print ('\n')print ('我們可以看到每個和原數(shù)組下標(biāo)對應(yīng)的數(shù)值：')print (a)print ('\n')print ('去重數(shù)組的下標(biāo)：')u,indices = np.unique(a,return_inverse = True)print (u)print ('\n')print ('下標(biāo)為：')print (indices)print ('\n')print ('使用下標(biāo)重構(gòu)原數(shù)組：')print (u[indices])print ('\n')print ('返回去重元素的重復(fù)數(shù)量：')u,indices = np.unique(a,return_counts = True)print (u)print (indices)

第一個數(shù)組：[5 2 6 2 7 5 6 8 2 9]第一個數(shù)組的去重值：[2 5 6 7 8 9]去重數(shù)組的索引數(shù)組：[1 0 2 4 7 9]我們可以看到每個和原數(shù)組下標(biāo)對應(yīng)的數(shù)值：[5 2 6 2 7 5 6 8 2 9]去重數(shù)組的下標(biāo)：[2 5 6 7 8 9]下標(biāo)為：[1 0 2 0 3 1 2 4 0 5]使用下標(biāo)重構(gòu)原數(shù)組：[5 2 6 2 7 5 6 8 2 9]返回去重元素的重復(fù)數(shù)量：[2 5 6 7 8 9][3 2 2 1 1 1]

本站是提供個人知識管理的網(wǎng)絡(luò)存儲空間,，所有內(nèi)容均由用戶發(fā)布，不代表本站觀點,。請注意甄別內(nèi)容中的聯(lián)系方式,、誘導(dǎo)購買等信息，謹(jǐn)防詐騙,。如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容,，請點擊一鍵舉報。

轉(zhuǎn)藏 分享

QQ空間 QQ好友新浪微博微信

獻花（0） +1

來自：網(wǎng)摘文苑 > 《NumPy》

舉報/認(rèn)領(lǐng)