【numpy筆記_6】數(shù)組增刪改查和遍歷操作

在認(rèn)識(shí)了numpy莹桅、創(chuàng)建數(shù)組對(duì)象和運(yùn)算的機(jī)制后,我們看看如何操作一個(gè)數(shù)組懂拾。


增:

  • 追加末尾:np.append()
  • 在某個(gè)索引前插入:np.insert()

與list不同岖赋,append和insert方法并非直接在原數(shù)組上直接修改,而是返回一個(gè)新的數(shù)組选脊。

import numpy as np
arr_1 = np.arange(10)
print(f'原始的arr_1: {arr_1}')
res_append = np.append(arr=arr_1, values=[12], axis=0)
res_insert = np.insert(arr=arr_1, obj=0, values=[13], axis=0)
'''append方法【參數(shù)】             insert方法【參數(shù)】
   arr: 原數(shù)組                   arr: 原數(shù)組
   (追加末尾)                   obj: 索引位置恳啥,在該索引前插入
   values: 插入內(nèi)容              values: 插入內(nèi)容
   axis: 插入方向                axis: 插入方向
'''
print(f'操作過(guò)append丹诀、insert方法后的arr_1: {arr_1}')   # append和insert并未在原數(shù)組上修改
print(f'append新賦值的數(shù)組:{res_append}')
print(f'insert新賦值的數(shù)組:{res_insert}')
# 運(yùn)行結(jié)果:
原始的arr_1: [0 1 2 3 4 5 6 7 8 9]
操作過(guò)append忿墅、insert方法后的arr_1: [0 1 2 3 4 5 6 7 8 9]
append新賦值的數(shù)組:[ 0  1  2  3  4  5  6  7  8  9 12]
insert新賦值的數(shù)組:[13  0  1  2  3  4  5  6  7  8  9]
插入方向axis:
arr_1 = np.arange(9).reshape(3,3)
res_append1 = np.append(arr=arr_1, values=[[12,13,14],[15,16,17]],axis=0)  # 插入2行
res_append2 = np.append(arr=arr_1, values=[[12],[13],[14]],axis=1)   # 插入1列
'''
我們知道了shape是(行,列)
axis=0 ———— 沿0軸插入沮峡,即插入行(插入完整的一或多行邢疙。即插入的數(shù)組,其列數(shù)要與原數(shù)組一致)
axis=1 ———— 沿1軸插入呼畸,即插入列(插入完整的一或多列颁虐。即插入的數(shù)組另绩,其行數(shù)要與原數(shù)組一致)
'''
print(f'原數(shù)組: \n{arr_1}')   # append和insert并未在原數(shù)組上修改
print(f'axis=0插入新數(shù)組:\n{res_append1}')
print(f'axis=1插入新數(shù)組:\n{res_append2}')
# 運(yùn)行結(jié)果:
原數(shù)組: 
[[0 1 2]
 [3 4 5]
 [6 7 8]]
axis=0插入新數(shù)組:
[[ 0  1  2]
 [ 3  4  5]
 [ 6  7  8]
 [12 13 14]
 [15 16 17]]
axis=1插入新數(shù)組:
[[ 0  1  2 12]
 [ 3  4  5 13]
 [ 6  7  8 14]]

那多維呢?像之前講的一樣蹦漠,我們理解了shape(x,y,z)和axis參數(shù)的關(guān)系就像這樣:

axis參數(shù)的含義.png

插入的值必須按照 axis參數(shù)的選擇笛园,跟原數(shù)組結(jié)構(gòu)保持一致研铆。
來(lái)看個(gè)多維數(shù)組選擇axis參數(shù)的例子,請(qǐng)仔細(xì)觀察插入值的數(shù)組結(jié)構(gòu):

arr_1 = np.arange(12).reshape(2,2,3)
res_append1 = np.append(arr=arr_1, values=[[[12,13,14],[15,16,17]]],axis=0)  # 插入1塊
res_append2 = np.append(arr=arr_1, values=[[[12,13,14]],[[15,16,17]]],axis=1)   # 插入2行
res_append3 = np.append(arr=arr_1, values=[[[12],[13]],[[14],[15]]],axis=2)   # 插入1列

print(f'原數(shù)組: \n{arr_1}')   # append和insert并未在原數(shù)組上修改
print(f'axis=0插入新數(shù)組:\n{res_append1}')
print(f'axis=1插入新數(shù)組:\n{res_append2}')
print(f'axis=2插入新數(shù)組:\n{res_append3}')
# 運(yùn)行結(jié)果:
原數(shù)組: 
[[[ 0  1  2]
  [ 3  4  5]]

 [[ 6  7  8]
  [ 9 10 11]]]
axis=0插入新數(shù)組:
[[[ 0  1  2]
  [ 3  4  5]]

 [[ 6  7  8]
  [ 9 10 11]]

 [[12 13 14]
  [15 16 17]]]
axis=1插入新數(shù)組:
[[[ 0  1  2]
  [ 3  4  5]
  [12 13 14]]

 [[ 6  7  8]
  [ 9 10 11]
  [15 16 17]]]
axis=2插入新數(shù)組:
[[[ 0  1  2 12]
  [ 3  4  5 13]]

 [[ 6  7  8 14]
  [ 9 10 11 15]]]

再提一點(diǎn):
axis參數(shù)不寫默認(rèn)為None莺禁,此時(shí)無(wú)論數(shù)組是什么結(jié)構(gòu)哟冬,都會(huì)展成一條線將值插入忆绰。

arr_1 = np.arange(12).reshape(2,2,3)
res_append1 = np.append(arr=arr_1, values=[12,13,14],axis=None)  # axis參數(shù)為None

print(f'原數(shù)組: \n{arr_1}')
print(f'axis=0插入新數(shù)組:\n{res_append1}')
# 運(yùn)行結(jié)果:
原數(shù)組: 
[[[ 0  1  2]
  [ 3  4  5]]

 [[ 6  7  8]
  [ 9 10 11]]]
axis=None插入新數(shù)組:
[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14]   # 展成一條線

刪:

  • np.delete() 刪除指定元素
  • np.unique() 刪除重復(fù)元素

兩個(gè)方法仍然并非直接在原數(shù)組上直接修改错敢,而是返回一個(gè)新的數(shù)組稚茅。
delete()參數(shù)也有arr,obj咽块,axis:

arr_1 = np.arange(40).reshape(2,4,5)
res1 = np.delete(arr=arr_1, obj=5)   # axis參數(shù)不選欺税,默認(rèn)為None晚凿,數(shù)組會(huì)被展開(kāi),刪除元素5
res2 = np.delete(arr=arr_1, obj=1, axis=2)   # shape(x,y,z)時(shí)应役,axis=2指的是列燥筷。即刪除第2列
res3 = np.delete(arr=arr_1, obj=[1,3], axis=1)   # shape(x,y,z)時(shí)前塔,axis=1指的是行筒愚。即刪除第2行夺脾、第4行
print(f'原數(shù)組: \n{arr_1}')
print(f'操作刪除 5后的數(shù)組:\n{res1}')
print(f'操作刪除 第2列后的數(shù)組:\n{res2}')
print(f'操作刪除 第2行,第4行后的數(shù)組:\n{res3}')
# 運(yùn)行結(jié)果:
原數(shù)組: 
[[[ 0  1  2  3  4]
  [ 5  6  7  8  9]
  [10 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 36 37 38 39]]]
操作刪除 5后的數(shù)組:
[ 0  1  2  3  4  6  7  8  9 10 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 36 37 38 39]
操作刪除 第2列后的數(shù)組:
[[[ 0  2  3  4]
  [ 5  7  8  9]
  [10 12 13 14]
  [15 17 18 19]]

 [[20 22 23 24]
  [25 27 28 29]
  [30 32 33 34]
  [35 37 38 39]]]
操作刪除 第2行柑营,第4行后的數(shù)組:
[[[ 0  1  2  3  4]
  [10 11 12 13 14]]

 [[20 21 22 23 24]
  [30 31 32 33 34]]]

unique()會(huì)將一個(gè)數(shù)組展開(kāi)官套,去重后從小到大排序成一組數(shù)蚁孔。參數(shù)主要有:

  • return_index(None杠氢、True、False):True則返回新數(shù)據(jù)元素在原數(shù)組中的位置(索引)绞旅;
  • return_inverse(None温艇、True勺爱、False):True則返回原數(shù)據(jù)元素在新數(shù)組中的位置(索引);
  • return_counts(None、True绣否、False):True則返回去重后的數(shù)組元素 在原數(shù)組中出現(xiàn)的次數(shù)挡毅。

參數(shù)不寫跪呈,均默認(rèn)為None。
參數(shù)就不再演示了苹支,也好理解误阻。且個(gè)人感覺(jué)參數(shù)用的并不多。

li = [9,4,6,4,5,1,1,9]
arr = np.array(li).reshape(2,4)
arr_1 = np.unique(li)
print(f'原數(shù)組: \n{arr}')
print(f'去重后的數(shù)組: \n{arr_1}')
# 運(yùn)行結(jié)果:
原數(shù)組: 
[[9 4 6 4]
 [5 1 1 9]]
去重后的數(shù)組: 
[1 4 5 6 9]

改:

numpy改數(shù)據(jù)的方法與常規(guī)list基本一致儒洛,都是通過(guò)索引賦值的方式更改狼速。
看幾個(gè)例子:

arr1 = np.arange(8)
print(f'原數(shù)組: \n{arr1}')
arr1[2] = 66   # 列索引向胡,數(shù)組為線時(shí)代表列
print(f'arr1[2]改后的值: \n{arr1}')

arr1 = np.arange(12).reshape(3,4)
print(f'原數(shù)組: \n{arr1}')
arr1[0] = 66   # 行索引,數(shù)組為面時(shí)代表行
print(f'arr1[0]改后的值: \n{arr1}')
# 上面兩個(gè)例子看的出滚秩,改值索引仍然遵循shape的概念

arr1 = np.arange(12).reshape(3,4)
print(f'原數(shù)組: \n{arr1}')
arr1[0:3] = 66   # 行切片索引郁油,左閉右開(kāi)
print(f'arr1[0:3]改后的值: \n{arr1}')

arr1 = np.arange(12).reshape(3,4)
print(f'原數(shù)組: \n{arr1}')
arr1[0,3] = 66   # 坐標(biāo)索引攀痊,數(shù)組為面時(shí)輸入坐標(biāo)才能定位行苟径、列
print(f'arr1[0,3]改后的值: \n{arr1}')
# 運(yùn)行結(jié)果:
原數(shù)組: 
[0 1 2 3 4 5 6 7]
arr1[2]改后的值: 
[ 0  1 66  3  4  5  6  7]
原數(shù)組: 
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
arr1[0]改后的值: 
[[66 66 66 66]
 [ 4  5  6  7]
 [ 8  9 10 11]]
原數(shù)組: 
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
arr1[0:3]改后的值: 
[[66 66 66 66]
 [66 66 66 66]
 [66 66 66 66]]
原數(shù)組: 
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
arr1[0,3]改后的值: 
[[ 0  1  2 66]
 [ 4  5  6  7]
 [ 8  9 10 11]]

查:

上篇《索引棘街、高級(jí)索引和切片》中講過(guò)了numpy的索引和切片,根本便是查數(shù)據(jù)的動(dòng)作石挂。
這里再介紹幾個(gè)有意思的方法险污,在實(shí)際場(chǎng)景中使用非常方便蛔糯。
np.argwhere()方法:加個(gè)判斷條件,返回?cái)?shù)組中某些元素的索引动壤。默認(rèn)為判斷非零元素狼电。

li = [0,4,0,2,0,1,9,0]
arr = np.array(li).reshape(2,4)
arr_1 = np.argwhere(arr != 0)   # argwhere()不寫也是判斷非零的意思
arr_2 = np.argwhere(arr > 4/2)   # argwhere()加其他任何判斷條件
print(f'原數(shù)組: \n{arr}')
print(f'非零元素的索引: \n{arr_1}')
print(f'大于4/2元素的索引: \n{arr_2}')
# 運(yùn)行結(jié)果:
原數(shù)組: 
[[0 4 0 2]
 [0 1 9 0]]
非零元素的索引: 
[[0 1]
 [0 3]
 [1 1]
 [1 2]]
大于4/2元素的索引: 
[[0 1]
 [1 2]]

遍歷一個(gè)數(shù)組:

  • 可以通過(guò)for循環(huán)遍歷;一個(gè)for循環(huán)只剝離一層强窖,取的是元素塊而非最小元素 翅溺;針對(duì)多維數(shù)組髓抑,可以嵌套for循環(huán)將元素層層剝離吨拍;
  • obj.nditer()方法,將數(shù)組轉(zhuǎn)成迭代器伊滋。取的是數(shù)組里的最小元素队秩,每個(gè)元素是array對(duì)象的形式(該方法直接構(gòu)建了array對(duì)象的迭代器);
  • obj.flat方法(沒(méi)有括號(hào))筒主,將數(shù)組轉(zhuǎn)成迭代器鸟蟹。取的是數(shù)組里的最小元素建钥,每個(gè)元素僅僅只是一個(gè)標(biāo)量(flat把a(bǔ)rray對(duì)象的值取出來(lái)锦针,再構(gòu)建迭代器)置蜀。

聽(tīng)著很迷茫盯荤,看個(gè)例子:

arr1 = np.arange(8).reshape(2,4)

for i in arr1:    # for循環(huán)
    print(i)
    print('*'*5)
# 運(yùn)行結(jié)果:
[0 1 2 3]
*****
[4 5 6 7]
*****

arr1 = np.arange(8).reshape(2,4)
arr1 = np.nditer(arr1)   # nditer() 轉(zhuǎn)成迭代器
print(f'nditer迭代器的arr1: {arr1}')
print(f'將arr1轉(zhuǎn)成列表看看里面的元素:{list(arr1)}')
while len(arr1) != 0:
    print(next(arr1))
# 運(yùn)行結(jié)果:
nditer迭代器的arr1: <numpy.nditer object at 0x000002A0D2163710>
將arr1轉(zhuǎn)成列表看看里面的元素:[array(0), array(1), array(2), array(3), array(4), array(5), array(6), array(7)]
0
1
2
3
4
5
6
7

arr1 = np.arange(8).reshape(2,4)
arr1 = arr1.flat   # flat 轉(zhuǎn)成迭代器
print(f'flat迭代器的arr1: {arr1}')
print(f'將arr1轉(zhuǎn)成列表看看里面的元素:{list(arr1)}')
while len(arr1) != 0:
    print(next(arr1))
# 運(yùn)行結(jié)果:
flat迭代器的arr1: <numpy.flatiter object at 0x0000020C1B3D85B0>
將arr1轉(zhuǎn)成列表看看里面的元素:[0, 1, 2, 3, 4, 5, 6, 7]
0
1
2
3
4
5
6
7

看到這你可能明白了剛才說(shuō)的秋秤,obj.nditer()方法脚翘,迭代器的每個(gè)元素是array對(duì)象的形式(該方法直接構(gòu)建了array對(duì)象的迭代器)来农;obj.flat方法崇堰,迭代器的每個(gè)元素僅僅只是一個(gè)標(biāo)量(flat把a(bǔ)rray對(duì)象的值取出來(lái)海诲,再構(gòu)建迭代器)特幔。

如果flat取的僅僅是值,該迭代器中便是一個(gè)個(gè)十分純粹的標(biāo)量薄风,不能控制讀取順序溉跃,更改其元素內(nèi)容也不能實(shí)現(xiàn)原數(shù)組的修改村刨。而nditer() 方法恰恰能實(shí)現(xiàn)這些:

所以,nditer()可以控制迭代器對(duì)象讀取元素的順序撰茎,也可以在迭代過(guò)程中操作元素的修改嵌牺。
nditer() 方法參數(shù)

  • order='C' (大小寫均可)

--- 'C':按行讀;
--- 'F':按列讀龄糊;

  • op_flags=['readwirte']

--- ['readonly']:只讀逆粹,不能修改
--- ['readwirte']:讀寫,可讀可寫

arr = np.arange(8).reshape(2,4)
arr1 = np.nditer(arr, order='c')   # 按行讀
try:
    while True:
        print(f'每次提取的元素:{next(arr1)}')   # next()取值遍歷
except StopIteration:
    pass
print('* '*20)

arr = np.arange(8).reshape(2,4)
arr2 = np.nditer(arr, order='f', op_flags=['readwrite'])   # 按列讀炫惩,讀寫模式僻弹,可讀可修改
for i in arr2:   # for循環(huán)遍歷
    if i % 2 == 0:
        i[...] = 9   # [...]是固定寫法,指的是改寫array對(duì)象當(dāng)前的元素
print(f'修改后的arr: \n{arr}')
# 運(yùn)行結(jié)果:
每次提取的元素:0
每次提取的元素:1
每次提取的元素:2
每次提取的元素:3
每次提取的元素:4
每次提取的元素:5
每次提取的元素:6
每次提取的元素:7
* * * * * * * * * * * * * * * * * * * * 
修改后的arr: 
[[9 1 9 3]
 [9 5 9 7]]

最后總結(jié)一下遍歷:

推薦使用nditer()方法蹋绽,能控制遍歷的順序,以及遍歷時(shí)對(duì)元素進(jìn)行操作筋蓖。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末卸耘,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子粘咖,更是在濱河造成了極大的恐慌蚣抗,老刑警劉巖,帶你破解...
    沈念sama閱讀 211,743評(píng)論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件瓮下,死亡現(xiàn)場(chǎng)離奇詭異翰铡,居然都是意外死亡钝域,警方通過(guò)查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,296評(píng)論 3 385
  • 文/潘曉璐 我一進(jìn)店門锭魔,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)例证,“玉大人,你說(shuō)我怎么就攤上這事赂毯≌铰玻” “怎么了?”我有些...
    開(kāi)封第一講書(shū)人閱讀 157,285評(píng)論 0 348
  • 文/不壞的土叔 我叫張陵党涕,是天一觀的道長(zhǎng)烦感。 經(jīng)常有香客問(wèn)我,道長(zhǎng)膛堤,這世上最難降的妖魔是什么手趣? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 56,485評(píng)論 1 283
  • 正文 為了忘掉前任,我火速辦了婚禮肥荔,結(jié)果婚禮上绿渣,老公的妹妹穿的比我還像新娘。我一直安慰自己燕耿,他們只是感情好中符,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,581評(píng)論 6 386
  • 文/花漫 我一把揭開(kāi)白布。 她就那樣靜靜地躺著誉帅,像睡著了一般淀散。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上蚜锨,一...
    開(kāi)封第一講書(shū)人閱讀 49,821評(píng)論 1 290
  • 那天档插,我揣著相機(jī)與錄音,去河邊找鬼亚再。 笑死郭膛,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的氛悬。 我是一名探鬼主播则剃,決...
    沈念sama閱讀 38,960評(píng)論 3 408
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼如捅!你這毒婦竟也來(lái)了棍现?” 一聲冷哼從身側(cè)響起,我...
    開(kāi)封第一講書(shū)人閱讀 37,719評(píng)論 0 266
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤伪朽,失蹤者是張志新(化名)和其女友劉穎轴咱,沒(méi)想到半個(gè)月后汛蝙,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體烈涮,經(jīng)...
    沈念sama閱讀 44,186評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡朴肺,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,516評(píng)論 2 327
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了坚洽。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片戈稿。...
    茶點(diǎn)故事閱讀 38,650評(píng)論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖讶舰,靈堂內(nèi)的尸體忽然破棺而出鞍盗,到底是詐尸還是另有隱情,我是刑警寧澤跳昼,帶...
    沈念sama閱讀 34,329評(píng)論 4 330
  • 正文 年R本政府宣布般甲,位于F島的核電站,受9級(jí)特大地震影響鹅颊,放射性物質(zhì)發(fā)生泄漏敷存。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,936評(píng)論 3 313
  • 文/蒙蒙 一堪伍、第九天 我趴在偏房一處隱蔽的房頂上張望锚烦。 院中可真熱鬧,春花似錦帝雇、人聲如沸涮俄。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 30,757評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)彻亲。三九已至,卻和暖如春室叉,著一層夾襖步出監(jiān)牢的瞬間睹栖,已是汗流浹背。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 31,991評(píng)論 1 266
  • 我被黑心中介騙來(lái)泰國(guó)打工茧痕, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留野来,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 46,370評(píng)論 2 360
  • 正文 我出身青樓踪旷,卻偏偏與公主長(zhǎng)得像曼氛,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子令野,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,527評(píng)論 2 349

推薦閱讀更多精彩內(nèi)容