美文网首页
[python][科学计算][numpy]使用指南5-变更

[python][科学计算][numpy]使用指南5-变更

作者: jiedawang | 来源:发表于2019-02-26 19:20 被阅读0次

最后一次更新日期: 2019/3/21

NumPy 是一个 Python 包。 它代表 “Numeric Python”。 它是一个由多维数组对象(ndarray)和用于处理数组的例程集合组成的库。
使用NumPy,开发人员可以执行以下操作:

  • 数组的算数和逻辑运算。
  • 傅立叶变换和用于图形操作的例程。
  • 与线性代数有关的操作。 NumPy 拥有线性代数和随机数生成的内置函数。

使用前先导入模块:
import numpy as np

1. 更新

(1). 更新整个数组
In [555]: a=np.array([[1,2],[3,4]])

In [556]: a=a+1

In [557]: a
Out[557]: 
array([[2, 3],
       [4, 5]])

In [558]: a[:,:]=a-1

In [559]: a
Out[559]: 
array([[1, 2],
       [3, 4]])

两种方式都能更新整个数组,第一种将计算得到的新数组的引用重新赋给了a,第二种根据计算得到的新数组更新了原数组中相应位置的值。

(2). 更新指定位置
In [569]: a[a>2]+=1

In [570]: a
Out[570]: 
array([[1, 2],
       [4, 5]])

In [571]: a[a>2]=a[a>2]+1

In [572]: a
Out[572]: 
array([[1, 2],
       [5, 6]])

In [573]: a[0,:]=0

In [574]: a
Out[574]: 
array([[0, 0],
       [5, 6]])

In [575]: a[a>2]=[3,4]

In [576]: a
Out[576]: 
array([[0, 0],
       [3, 4]])

值数组形状需要与筛选后的原数组一致或遵循广播的规则。

(3). 定值填充
In [9]: a.fill(1)

In [10]: a
Out[10]: 
array([[1, 1],
       [1, 1]])

当填充值数据类型与数组数据类型不一致时,会尝试转换,失败时才会报错。

2. 扩增

(1). 插入
In [577]: a=np.array([[1,2],[3,4]])

In [578]: np.insert(a,1,[5,6],axis=0)
Out[578]: 
array([[1, 2],
       [5, 6],
       [3, 4]])

第二个参数obj是插入的位置索引,第三个参数values是待插入的值,需要与指定轴方向上的切片形状一致或满足广播规则,第四个参数axis是指定的轴。不影响原数组,返回的是一个拷贝。

(2). 附加
In [578]: np.append(a,[[5,6]],axis=0)
Out[578]: 
array([[1, 2],
       [3, 4],
       [5, 6]])

第二个参数values是待插入的值,需要与指定轴方向上的切片形状一致或满足广播规则,第三个参数axis是指定的轴。只能将新数据附加到数组末尾。不影响原数组,返回的是一个拷贝。

(3). 堆叠
In [589]: np.c_[a,a]
Out[589]: 
array([[1, 2, 1, 2],
       [3, 4, 3, 4]])

In [590]: np.column_stack((a,a))
Out[590]: 
array([[1, 2, 1, 2],
       [3, 4, 3, 4]])

In [591]: np.concatenate((a,a),axis=1)
Out[591]: 
array([[1, 2, 1, 2],
       [3, 4, 3, 4]])

In [592]: np.r_[a,a]
Out[592]: 
array([[1, 2],
       [3, 4],
       [1, 2],
       [3, 4]])

In [593]: np.row_stack((a,a))
Out[593]: 
array([[1, 2],
       [3, 4],
       [1, 2],
       [3, 4]])

In [594]: np.concatenate((a,a),axis=0)
Out[594]: 
array([[1, 2],
       [3, 4],
       [1, 2],
       [3, 4]])

In [595]: np.stack((a,a),axis=0)
Out[595]: 
array([[[1, 2],
        [3, 4]],

       [[1, 2],
        [3, 4]]])

np.c_np.column_stack是沿轴1进行堆叠,其他轴长度需要相同或满足广播规则,等效于np.concatenate(axis=1)
np.r_np.row_stack是沿轴0进行堆叠,其他轴长度需要相同或满足广播规则,等效于np.concatenate(axis=0)
np.stack是沿新轴进行堆叠,所有轴长度需要相同或满足广播规则。

(4). 重复
In [93]: a.repeat(3,axis=1)
Out[93]: 
array([[1, 1, 1, 2, 2, 2],
       [3, 3, 3, 4, 4, 4]])

In [96]: a.reshape((2,2,1)).repeat(3,axis=2)
Out[96]: 
array([[[1, 1, 1],
        [2, 2, 2]],

       [[3, 3, 3],
        [4, 4, 4]]])

In [98]: a.repeat(3).reshape((2,2,3))
Out[98]: 
array([[[1, 1, 1],
        [2, 2, 2]],

       [[3, 3, 3],
        [4, 4, 4]]])

In [99]: np.tile(a,2)
Out[99]: 
array([[1, 2, 1, 2],
       [3, 4, 3, 4]])

In [100]: np.tile(a,[2,2])
Out[100]: 
array([[1, 2, 1, 2],
       [3, 4, 3, 4],
       [1, 2, 1, 2],
       [3, 4, 3, 4]])

In [101]: np.tile(a.ravel(),2)
Out[101]: array([1, 2, 3, 4, 1, 2, 3, 4])

repeat方法将数组中的元素重复,可通过axis参数指定轴方向,默认会将数组展开后在唯一的轴方向上重复元素。可配合ndarray.reshape在新轴上复制元素。
tile方法将数组重复,注意,重复的是整个数组,不是单个元素,得到的结果中同元素不一定是紧挨着的。

3. 删除

(1). 索引筛选
In [616]: a[~(a[0]==1),:]
Out[616]: array([[3, 4]])

通过索引筛选可得到删除指定内容的数组。

(2). 删除方法
In [617]: np.delete(a,[0,1],axis=0)
Out[617]: array([], shape=(0, 2), dtype=int32)

通过相应方法获得删除指定索引位置内容的数组。第二个参数obj为索引位置,第三个参数axis为指定轴。

相关文章

网友评论

      本文标题:[python][科学计算][numpy]使用指南5-变更

      本文链接:https://www.haomeiwen.com/subject/rsyzyqtx.html