9-Python-NumPy数组元素的添加与删除

作者: 千千罐 | 来源:发表于2020-10-19 09:28 被阅读0次

数组元素的添加与删除相关函数列表如下：

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

1） $\color{red}{numpy.resize}$ 返回指定大小的新数组

numpy.resize(arr, shape)

arr：要修改大小的数组
shape：返回数组的新形状

新数组小于原始数组

>>> import numpy as np
>>> a = np.array([[1,2,3],[4,5,6]])
>>> a
array([[1, 2, 3],
       [4, 5, 6]])
>>> b = np.resize(a,(2,2))
>>> b
array([[1, 2],
       [3, 4]])

新数组大于原始数组

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

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

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

总结：

如果新数组大小小于原始大小，会默认按行对原始数组进行取值，直到取够为止
如果新数组大小大于原始大小，会默认按行重复使用原始数组中的元素，会包含原始数组中的元素的副本。

2） $\color{red}{numpy.append}$ 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。

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

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=None时，是横向加成，对添加的元素的个数和类型无要求，返回总是为一维数组
- 当axis=0时，增加的是原始数组的行数，因此添加的列表必须是二维[[]]。若要添加一行，子列表元素个数是1[[]]，添加二行，子列表元素个数是2[[],[]]。子列表元素个数要与原始数组的列数相同。
- 当axis=1时，增加的是原始数组的列数，因此添加的列表元素个数要与原始数组的行数相同，增加的列数取决于子列表的元素个数

不定义axis，返回的都是一维数组

>>> import numpy as np
>>> a = np.array([[1,2,3],[4,5,6]])
>>> a
array([[1, 2, 3],
       [4, 5, 6]])
>>> np.append(a, [7,8])
array([1, 2, 3, 4, 5, 6, 7, 8])

>>> np.append(a, [7,8,9])
array([1, 2, 3, 4, 5, 6, 7, 8, 9])

''' 尝试添加多维数组'''
>>> np.append(a, [[7,8],[9,]])
array([1, 2, 3, 4, 5, 6, list([7, 8]), list([9])], dtype=object)

定义axis=0

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

'''沿轴 0 添加元素，即增加原始数组的行数'''
>>> np.append(a, [[7,8,9]],axis = 0)
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

>>> np.append(a, [[7,8,9],[10,11,12]],axis = 0)
array([[ 1,  2,  3],
       [ 4,  5,  6],
       [ 7,  8,  9],
       [10, 11, 12]])

定义axis=1

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


'''沿轴 1 添加元素，即增加原始数组的列数'''
>>> np.append(a, [[7],[8]],axis = 1)
array([[1, 2, 3, 7],
       [4, 5, 6, 8]])

>>> np.append(a, [[7,9],[8,10]],axis = 1)
array([[ 1,  2,  3,  7,  9],
       [ 4,  5,  6,  8, 10]])

3） $\color{red}{numpy.insert}$ 用法和 numpy.append类似，但没有append严格

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

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
- 不传递axis参数时，是横向加成，添加对象是单个元素或者是一维数组（列表），可以是一个元素，也可以是一个列表（包含1个以上元素），返回总是为一维数组
- 当axis=0时，添加对象可以是1个元素或者数组，当为数组时，添加的数组维度可以是（1，1）或者和原始数组相等，但不能大或者不等
- 当axis=1时，添加对象可以是1个元素或者数组，当为数组时，添加数组的维度可以是（1，1），或者必须原始数组列数相同，但不能大或者不等

numpy.insert添加的对象可以是一个元素或者数组

未传递 axis 参数，生成的是一维数组

>>> import numpy as np
>>> a = np.array([[1,2],[3,4],[5,6]])
>>> a
array([[1, 2],
       [3, 4],
       [5, 6]])
>>> np.insert(a,3,11)
array([ 1,  2,  3, 11,  4,  5,  6])

>>> np.insert(a,3,[11,12])
array([ 1,  2,  3, 11, 12,  4,  5,  6])

>>> np.insert(a,3,[11,12,13])
array([ 1,  2,  3, 11, 12, 13,  4,  5,  6])

定义axis=0

>>> np.insert(a,1,11,axis = 0)
array([[ 1,  2],
       [11, 11],
       [ 3,  4],
       [ 5,  6]])

>>> np.insert(a,1,[11],axis = 0)
array([[ 1,  2],
       [11, 11],
       [ 3,  4],
       [ 5,  6]])

>>> np.insert(a,1,[11,12],axis = 0)
array([[ 1,  2],
       [11, 12],
       [ 3,  4],
       [ 5,  6]])

>>> np.insert(a,1,[[11,12],[13,14]],axis = 0)
array([[ 1,  2],
       [11, 12],
       [13, 14],
       [ 3,  4],
       [ 5,  6]])
>>> np.insert(a,1,[11,12,13],axis = 0)
Traceback (most recent call last):
ValueError: could not broadcast input array from shape (1,3) into shape (1,2)

定义axis=1

>>> np.insert(a,1,11,axis = 1)
array([[ 1, 11,  2],
       [ 3, 11,  4],
       [ 5, 11,  6]])

>>> np.insert(a,1,[11],axis = 1)
array([[ 1, 11,  2],
       [ 3, 11,  4],
       [ 5, 11,  6]])

>>> np.insert(a,1,[11,12],axis = 1)
Traceback (most recent call last):
ValueError: could not broadcast input array from shape (2,1) into shape (3,1)

>>> np.insert(a,1,[11,12,13],axis = 1)
array([[ 1, 11,  2],
       [ 3, 12,  4],
       [ 5, 13,  6]])

>>> np.insert(a,1,[[11],[12],[13]],axis = 1)
array([[ 1, 11, 12, 13,  2],
       [ 3, 11, 12, 13,  4],
       [ 5, 11, 12, 13,  6]])

>>> np.insert(a,1,[[11,12,13],[14,15,16],[17,18,19]],axis = 1)
array([[ 1, 11, 14, 17,  2],
       [ 3, 12, 15, 18,  4],
       [ 5, 13, 16, 19,  6]])

4） $\color{red}{numpy.delete}$ 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)

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

未传递 Axis 参数，生成一个一维数组

>>> import numpy as np
>>> a = np.arange(12).reshape(3,4)
>>> a
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
>>> np.delete(a,5)
array([ 0,  1,  2,  3,  4,  6,  7,  8,  9, 10, 11])

定义axis=0，对行进行操作

>>> import numpy as np
>>> a = np.arange(12).reshape(3,4)
>>> np.delete(a,5)
array([ 0,  1,  2,  3,  4,  6,  7,  8,  9, 10, 11])
>>> a
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

''' 删除第2行 '''
>>> np.delete(a,1,axis = 0)
array([[ 0,  1,  2,  3],
       [ 8,  9, 10, 11]])

'''删除第2行和第3行'''
>>> np.delete(a,[1,2],axis = 0)
array([[0, 1, 2, 3]])

定义axis=1，对列进行操作

>>> import numpy as np
>>> a = np.arange(12).reshape(3,4)
>>> np.delete(a,5)
array([ 0,  1,  2,  3,  4,  6,  7,  8,  9, 10, 11])
>>> a
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

''' 删除第2列 '''
>>> np.delete(a,1,axis = 1)
array([[ 0,  2,  3],
       [ 4,  6,  7],
       [ 8, 10, 11]])

''' 删除第2列和第3列 '''
>>> np.delete(a,[1,2],axis = 1)
array([[ 0,  3],
       [ 4,  7],
       [ 8, 11]])

切片操作必须使用 numpy.s_

>>> import numpy as np
>>> a = np.arange(12).reshape(3,4)
>>> a
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

>>> np.delete(a, np.s_[1:3])
array([ 0,  3,  4,  5,  6,  7,  8,  9, 10, 11])

''' 删除第2行和第3行 '''
>>> np.delete(a, np.s_[1:3],axis=0)
array([[0, 1, 2, 3]])

''' 删除第2列和第3列 '''
>>> np.delete(a, np.s_[1:3],axis=1)
array([[ 0,  3],
       [ 4,  7],
       [ 8, 11]])

''' 步长为2 进行删除，删除 index 为 0， 2， 4 ....的元素 '''
>>> np.delete(a, np.s_[::2])
array([ 1,  3,  5,  7,  9, 11])
>>> np.delete(a, np.s_[::2],axis=0)
array([[4, 5, 6, 7]])
>>> np.delete(a, np.s_[::2],axis=1)
array([[ 1,  3],
       [ 5,  7],
       [ 9, 11]])

5） $\color{red}{numpy.unique}$ 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])
>>> a
array([5, 2, 6, 2, 7, 5, 6, 8, 2, 9])
>>> np.unique(a)
array([2, 5, 6, 7, 8, 9])

return_index = True

>>> import numpy as np
>>> a = np.array([5,2,6,2,7,5,6,8,2,9])
>>> a
array([5, 2, 6, 2, 7, 5, 6, 8, 2, 9])

>>> np.unique(a, return_index = True)
(array([2, 5, 6, 7, 8, 9]), array([1, 0, 2, 4, 7, 9]))

return_inverse = True

>>> import numpy as np
>>> a = np.array([5,2,6,2,7,5,6,8,2,9])
>>> a
array([5, 2, 6, 2, 7, 5, 6, 8, 2, 9])

>>> np.unique(a,return_inverse = True)
(array([2, 5, 6, 7, 8, 9]), array([1, 0, 2, 0, 3, 1, 2, 4, 0, 5]))

return_counts = True

>>> import numpy as np
>>> a = np.array([5,2,6,2,7,5,6,8,2,9])
>>> a
array([5, 2, 6, 2, 7, 5, 6, 8, 2, 9])

>>> np.unique(a,return_counts = True)
(array([2, 5, 6, 7, 8, 9]), array([3, 2, 2, 1, 1, 1]))

转：https://www.runoob.com/numpy/numpy-array-manipulation.html#numpy_oparr1

9-Python-NumPy数组元素的添加与删除

相关文章

网友评论

延伸阅读

深度阅读

栏目导航

热点阅读