數(shù)組元素的添加與刪除 相關(guān)函數(shù)列表如下:
函數(shù) | 元素及描述 |
---|---|
resize | 返回指定形狀的新數(shù)組 |
append | 將值添加到數(shù)組末尾 |
insert | 沿指定軸將值插入到指定下標(biāo)之前 |
delete | 刪掉某個(gè)軸的子數(shù)組,并返回刪除后的新數(shù)組 |
unique | 查找數(shù)組內(nèi)的唯一元素 |
1) 返回指定大小的新數(shù)組
numpy.resize(arr, shape)
- arr:要修改大小的數(shù)組
- shape:返回?cái)?shù)組的新形狀
新數(shù)組小于原始數(shù)組
>>> 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]])
新數(shù)組大于原始數(shù)組
>>> 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]])
總結(jié):
- 如果新數(shù)組大小小于原始大小著恩,會(huì)默認(rèn)按行對(duì)原始數(shù)組進(jìn)行取值贰健,直到取夠?yàn)橹?/li>
- 如果新數(shù)組大小大于原始大小蹂季,會(huì)默認(rèn)按行重復(fù)使用原始數(shù)組中的元素色罚,會(huì)包含原始數(shù)組中的元素的副本追葡。
2) 在數(shù)組的末尾添加值预皇。 追加操作會(huì)分配整個(gè)數(shù)組益咬,并把原來(lái)的數(shù)組復(fù)制到新數(shù)組中逮诲。 此外,輸入數(shù)組的維度必須匹配否則將生成ValueError幽告。
numpy.append(arr, values, axis=None)
- arr:輸入數(shù)組
- values:要向arr添加的值梅鹦,需要和arr形狀相同(除了要添加的軸)
- axis:默認(rèn)為 None
- 當(dāng)axis=None時(shí),是橫向加成冗锁,對(duì)添加的元素的個(gè)數(shù)和類型無(wú)要求齐唆,返回總是為一維數(shù)組
- 當(dāng)axis=0時(shí),增加的是原始數(shù)組的行數(shù)冻河,因此添加的列表必須是二維[[]]箍邮。若要添加一行,子列表元素個(gè)數(shù)是1[[]]叨叙,添加二行媒殉,子列表元素個(gè)數(shù)是2[[],[]]。子列表元素個(gè)數(shù)要與原始數(shù)組的列數(shù)相同摔敛。
- 當(dāng)axis=1時(shí)廷蓉,增加的是原始數(shù)組的列數(shù),因此添加的列表元素個(gè)數(shù)要與原始數(shù)組的行數(shù)相同马昙,增加的列數(shù)取決于子列表的元素個(gè)數(shù)
不定義axis桃犬,返回的都是一維數(shù)組
>>> 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])
''' 嘗試添加多維數(shù)組'''
>>> np.append(a, [[7,8],[9,]])
array([1, 2, 3, 4, 5, 6, list([7, 8]), list([9])], dtype=object)
定義axis=0
>>> import numpy as np
>>> a = np.array([[1,2,3],[4,5,6]])
>>> a
array([[1, 2, 3],
[4, 5, 6]])
'''沿軸 0 添加元素,即增加原始數(shù)組的行數(shù)'''
>>> 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]])
定義axis=1
>>> import numpy as np
>>> a = np.array([[1,2,3],[4,5,6]])
>>> a
array([[1, 2, 3],
[4, 5, 6]])
'''沿軸 1 添加元素行楞,即增加原始數(shù)組的列數(shù)'''
>>> 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) 用法和 numpy.append類似攒暇,但沒(méi)有append嚴(yán)格
numpy.insert(arr, obj, values, axis)
- 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,如果未提供子房,則輸入數(shù)組會(huì)被展開(kāi)
- 不傳遞axis參數(shù)時(shí)形用,是橫向加成,添加對(duì)象是單個(gè)元素或者是一維數(shù)組(列表)证杭,可以是一個(gè)元素田度,也可以是一個(gè)列表(包含1個(gè)以上元素),返回總是為一維數(shù)組
- 當(dāng)axis=0時(shí)解愤,添加對(duì)象可以是1個(gè)元素或者數(shù)組镇饺,當(dāng)為數(shù)組時(shí),添加的數(shù)組維度可以是(1送讲,1)或者和原始數(shù)組相等奸笤,但不能大或者不等
- 當(dāng)axis=1時(shí)惋啃,添加對(duì)象可以是1個(gè)元素或者數(shù)組,當(dāng)為數(shù)組時(shí)监右,添加數(shù)組的維度可以是(1边灭,1),或者必須原始數(shù)組列數(shù)相同健盒,但不能大或者不等
numpy.insert添加的對(duì)象可以是一個(gè)元素或者數(shù)組
未傳遞 axis 參數(shù)绒瘦,生成的是一維數(shù)組
>>> 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])
定義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)
定義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) 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)的情況一樣味榛,如果未提供軸參數(shù)椭坚,則輸入數(shù)組將展開(kāi)。
Numpy.delete(arr, obj, axis)
- arr:輸入數(shù)組
- obj:可以被切片搏色,整數(shù)或者整數(shù)數(shù)組善茎,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,如果未提供频轿,則輸入數(shù)組會(huì)被展開(kāi)
未傳遞 Axis 參數(shù)垂涯,生成一個(gè)一維數(shù)組
>>> 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])
定義axis=0,對(duì)行進(jìn)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]])
''' 刪除第2行 '''
>>> np.delete(a,1,axis = 0)
array([[ 0, 1, 2, 3],
[ 8, 9, 10, 11]])
'''刪除第2行和第3行'''
>>> np.delete(a,[1,2],axis = 0)
array([[0, 1, 2, 3]])
定義axis=1航邢,對(duì)列進(jìn)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]])
''' 刪除第2列 '''
>>> np.delete(a,1,axis = 1)
array([[ 0, 2, 3],
[ 4, 6, 7],
[ 8, 10, 11]])
''' 刪除第2列和第3列 '''
>>> np.delete(a,[1,2],axis = 1)
array([[ 0, 3],
[ 4, 7],
[ 8, 11]])
切片操作 必須使用 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])
''' 刪除第2行和第3行 '''
>>> np.delete(a, np.s_[1:3],axis=0)
array([[0, 1, 2, 3]])
''' 刪除第2列和第3列 '''
>>> np.delete(a, np.s_[1:3],axis=1)
array([[ 0, 3],
[ 4, 7],
[ 8, 11]])
''' 步長(zhǎng)為2 進(jìn)行刪除耕赘,刪除 index 為 0, 2膳殷, 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) 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)組操骡,如果不是一維數(shù)組則會(huì)展開(kāi)
- return_index:如果為true,返回新列表元素在舊列表中的位置(下標(biāo))赚窃,并以列表形式儲(chǔ)
- return_inverse:如果為true册招,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(chǔ)
- return_counts:如果為true勒极,返回去重?cái)?shù)組中的元素在原數(shù)組中的出現(xiàn)次數(shù)
>>> 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]))
轉(zhuǎn):https://www.runoob.com/numpy/numpy-array-manipulation.html#numpy_oparr1