Numpy array數(shù)據(jù)的增、刪、改、查實(shí)例

更新時(shí)間：2018年06月04日 14:38:52 作者：夏雨淋河

今天小編就為大家分享一篇Numpy array數(shù)據(jù)的增、刪、改、查實(shí)例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧

準(zhǔn)備工作：

增、刪、改、查的方法有很多很多種，這里只展示出常用的幾種。

>>> import numpy as np 
>>> a = np.array([[1,2],[3,4],[5,6]])#創(chuàng)建3行2列二維數(shù)組。 
>>> a 
array([[1, 2], 
 [3, 4], 
 [5, 6]]) 
>>> a = np.zeros(6)#創(chuàng)建長(zhǎng)度為6的，元素都是0一維數(shù)組 
>>> a = np.zeros((2,3))#創(chuàng)建3行2列，元素都是0的二維數(shù)組 
>>> a = np.ones((2,3))#創(chuàng)建3行2列，元素都是1的二維數(shù)組 
>>> a = np.empty((2,3)) #創(chuàng)建3行2列,未初始化的二維數(shù)組 
>>> a = np.arange(6)#創(chuàng)建長(zhǎng)度為6的，元素都是0一維數(shù)組array([0, 1, 2, 3, 4, 5]) 
>>> a = np.arange(1,7,1)#結(jié)果與np.arange(6)一樣。第一，二個(gè)參數(shù)意思是數(shù)值從1〜6,不包括7.第三個(gè)參數(shù)表步長(zhǎng)為1. 
a = np.linspace(0,10,7) # 生成首位是0，末位是10，含7個(gè)數(shù)的等差數(shù)列[ 0.  1.66666667 3.33333333 5.  6.66666667 8.33333333 10. ] 
a = np.logspace(0,4,5)#用于生成首位是10**0，末位是10**4，含5個(gè)數(shù)的等比數(shù)列。[ 1.00000000e+00 1.00000000e+01 1.00000000e+02 1.00000000e+03 1.00000000e+04]

增

>>> a = np.array([[1,2],[3,4],[5,6]])
>>> b = np.array([[10,20],[30,40],[50,60]])
>>> np.vstack((a,b))
array([[ 1, 2],
 [ 3, 4],
 [ 5, 6],
 [10, 20],
 [30, 40],
 [50, 60]])
>>> np.hstack((a,b))
array([[ 1, 2, 10, 20],
 [ 3, 4, 30, 40],
 [ 5, 6, 50, 60]])

不同維數(shù)的數(shù)組直接相加顯然是不允許的。但是可以用一個(gè)n行列向量和一個(gè)m列行向量構(gòu)造出一個(gè)n×m矩陣

>>> a = np.array([[1],[2]]) 
>>> a 
array([[1], 
 [2]]) 
>>> b=([[10,20,30]])#生成一個(gè)list，注意，不是np.array。 
>>> b 
[[10, 20, 30]] 
>>> a+b 
array([[11, 21, 31], 
 [12, 22, 32]]) 
>>> c = np.array([10,20,30]) 
>>> c 
array([10, 20, 30]) 
>>> c.shape 
(3,) 
>>> a+c 
array([[11, 21, 31], 
 [12, 22, 32]])

查

>>> a
array([[1, 2],
 [3, 4],
 [5, 6]])
>>> a[0] # array([1, 2])
>>> a[0][1]#2
>>> a[0,1]#2
>>> b = np.arange(6)#array([0, 1, 2, 3, 4, 5])
>>> b[1:3]#右邊開(kāi)區(qū)間array([1, 2])
>>> b[:3]#左邊默認(rèn)為 0array([0, 1, 2])
>>> b[3:]#右邊默認(rèn)為元素個(gè)數(shù)array([3, 4, 5])
>>> b[0:4:2]#下標(biāo)遞增2array([0, 2])

NumPy的where函數(shù)使用

np.where(condition, x, y)，第一個(gè)參數(shù)為一個(gè)布爾數(shù)組，第二個(gè)參數(shù)和第三個(gè)參數(shù)可以是標(biāo)量也可以是數(shù)組。

cond = numpy.array([True,False,True,False]) 
a = numpy.where(cond,-2,2)# [-2 2 -2 2] 
cond = numpy.array([1,2,3,4]) 
a = numpy.where(cond>2,-2,2)# [ 2 2 -2 -2] 
b1 = numpy.array([-1,-2,-3,-4]) 
b2 = numpy.array([1,2,3,4]) 
a = numpy.where(cond>2,b1,b2) # 長(zhǎng)度須匹配# [1,2,-3,-4]

改

>>> a = np.array([[1,2],[3,4],[5,6]]) 
>>> a[0] = [11,22]#修改第一行數(shù)組[1,2]為[11,22]。 
>>> a[0][0] = 111#修改第一個(gè)元素為111,修改后，第一個(gè)元素“1”改為“111”。 
 
>>> a = np.array([[1,2],[3,4],[5,6]]) 
>>> b = np.array([[10,20],[30,40],[50,60]]) 
>>> a+b #加法必須在兩個(gè)相同大小的數(shù)組鍵間運(yùn)算。 
array([[11, 22], 
 [33, 44], 
 [55, 66]])

不同維數(shù)的數(shù)組直接相加顯然是不允許的。但是可以用一個(gè)n行列向量和一個(gè)m列行向量構(gòu)造出一個(gè)n×m矩陣

>>> a = np.array([[1],[2]])
>>> a
array([[1],
 [2]])
>>> b=([[10,20,30]])#生成一個(gè)list，注意，不是np.array。
>>> b
[[10, 20, 30]]
>>> a+b
array([[11, 21, 31],
 [12, 22, 32]])
>>> c = np.array([10,20,30])
>>> c
array([10, 20, 30])
>>> c.shape
(3,)
>>> a+c
array([[11, 21, 31],
 [12, 22, 32]])

數(shù)組和一個(gè)數(shù)字的加減乘除的運(yùn)算，相當(dāng)于一個(gè)廣播，把這個(gè)運(yùn)算廣播到各個(gè)元素中去。

>>> a = np.array([[1,2],[3,4],[5,6]]) 
>>> a*2#相當(dāng)于a中各個(gè)元素都乘以2.類(lèi)似于廣播。 
array([[ 2, 4], 
 [ 6, 8], 
 [10, 12]]) 
>>> a**2 
array([[ 1, 4], 
 [ 9, 16], 
 [25, 36]]) 
>>> a>3 
array([[False, False], 
 [False, True], 
 [ True, True]]) 
>>> a+3 
array([[4, 5], 
 [6, 7], 
 [8, 9]]) 
>>> a/2 
array([[0.5, 1. ], 
 [1.5, 2. ], 
 [2.5, 3. ]])

刪

方法一：

利用查找中的方法，比如a=a[0]，操作完居后，a的行數(shù)只剩一行了。

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

方法二：

>>> a = np.array([[1,2],[3,4],[5,6]]) 
>>> np.delete(a,1,axis = 0)#刪除a的第二行。 
array([[1, 2], 
 [5, 6]]) 
>>> np.delete(a,(1,2),0)#刪除a的第二，三行。 
array([[1, 2]]) 
>>> np.delete(a,1,axis = 1)#刪除a的第二列。 
array([[1], 
 [3], 
 [5]])

方法三：

先分割，再按切片a=a[0]賦值。

>>> a = np.array([[1,2],[3,4],[5,6]]) 
>>> np.hsplit(a,2)#水平分割（搞不懂，明明是垂直分割嘛？） 
[array([[1], 
 [3], 
 [5]]), array([[2], 
 [4], 
 [6]])] 
>>> np.split(a,2,axis = 1)#與np.hsplit(a,2)效果一樣。 
 
>>> np.vsplit(a,3) 
[array([[1, 2]]), array([[3, 4]]), array([[5, 6]])] 
>>> np.split(a,3,axis = 0)#與np.vsplit(a,3)效果一樣。

以上這篇Numpy array數(shù)據(jù)的增、刪、改、查實(shí)例就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: