NumPy 数组对象
1、将数值列表转换为一维NumPy数组
编写一个 NumPy 程序，将数值列表转换为一维 NumPy 数组。
预期输出：
原始列表：[12.23， 13.32， 100， 36.32]
一维NumPy数组：[ 12.23 13.32 100. 36.32]
import numpy as np l = [12.23, 13.32, 100, 36.32] print("Original List:",l) a = np.array(l) print("One-dimensional NumPy array: ",a)
numpy.array：创建一个数组。
【1】语法：
numpy.array（object， dtype=None， copy=True， order='K'， subok=False， ndmin=0）
【2】参数：
2、编写一个 NumPy 程序来反转数组
编写一个 NumPy 程序来反转数组（第一个元素变为最后一个）。
原始数组：
[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]
反向数组：
[37 36 35 34 33 32 31 30 29 28 27 26 25 24 23 22 21 20 19 18 17 16 15 14 13 12]
import numpy as np import numpy as np x = np.arange(12, 38) print("Original array:") print(x) print("Reverse array:") x = x[::-1] print(x) ''' Original array: [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] Reverse array: [37 36 35 34 33 32 31 30 29 28 27 26 25 24 23 22 21 20 19 18 17 16 15 14 13 12] '''
3、转换为浮点型的数组
编写一个NumPy程序将数组转换为浮点类型。
方法一：使用asfarray函数
import numpy as np import numpy as np a = [1, 2, 3, 4] print("Original array") print(a) x = np.asfarray(a) print("Array converted to a float type:") print(x) ''' Original array [1, 2, 3, 4] Array converted to a float type: [ 1. 2. 3. 4.] '' '
【1】asfarrary：相当于as float array，将数组转换为浮点类型。不仅可以对多维数组做数值处理，还可以对列表做去转移符处理。
方法二：使用astype函数
import numpy as np x = np.array([[2, 4, 6], [6, 8, 10]], np.int32) print(x) print(x.dtype) y = x.astype(float) print(y) print(y.dtype) ''' [[ 2 4 6] [ 6 8 10]] int32 [[ 2. 4. 6.] [ 6. 8. 10.]] float64 '''
4、将列表和元组转换为数组
编写一个NumPy程序将列表和元组转换为数组。
注：这里可以使用np.array或者np.asarray
import numpy as np my_list = [1, 2, 3, 4, 5, 6, 7, 8] print("List to array: ") print(np.array(my_list)) my_tuple = ([8, 4, 6], [1, 2, 3]) print("Tuple to array: ") print(np.array(my_tuple)) ''' List to array: [1 2 3 4 5 6 7 8] Tuple to array: [[8 4 6] [1 2 3]] '''
5、将值追加到数组的末尾
编写一个 NumPy 程序以将值追加到数组的末尾。
import numpy as np x = [10, 20, 30] print("Original array:") print(x) x = np.append(x, [[40, 50, 60], [70, 80, 90]]) print("After append values to the end of the array:") print(x) ''' Original array: [10, 20, 30] After append values to the end of the array: [10 20 30 40 50 60 70 80 90] '''
【1】np.append(arr, values, axis=None) 用法：
作用：
为原始array添加一些values
参数：
arr:需要被添加values的数组
values:添加到数组arr中的值（array_like，类数组）
axis:可选参数，如果axis没有给出，那么arr，values都将先展平成一维数组。注：如果axis被指定了，那么arr和values需要有相同的shape，否则报错：ValueError: arrays must have same number of dimensions
补充对axis的理解
axis的最大值为数组arr的维数-1，如arr维数等于1，axis最大值为0；arr维数等于2，axis最大值为1，以此类推。
当arr的维数为2(理解为单通道图)，axis=0表示沿着行方向添加values；axis=1表示沿着列方向添加values
当arr的维数为3(理解为多通道图)，axis=0，axis=1时同上；axis=2表示沿着深度方向添加values
返回：
添加了values的新数组
【2】这里由于使用的append中参数axis=None，因此会将添加的二维数组展开成一维的。
6、在现有数组周围添加边框
编写一个NumPy程序，在现有数组周围添加一个边框（用0填充）。
import numpy as np x = np.ones((3,3)) print("Original array:") print(x) print("0 on the border and 1 inside in the array") x = np.pad(x, pad_width=1, mode='constant', constant_values=0) print(x) ''' Original array: [[1. 1. 1.] [1. 1. 1.] [1. 1. 1.]] 0 on the border and 1 inside in the array [[0. 0. 0. 0. 0.] [0. 1. 1. 1. 0.] [0. 1. 1. 1. 0.] [0. 1. 1. 1. 0.] [0. 0. 0. 0. 0.]] '''
【1】np.pad
np.pad()用来在numpy数组的边缘进行数值填充。
np.pad(array，pad_width，mode，**kwargs) # 返回填充后的numpy数组
【1】array：要填充的numpy数组【要对谁进行填充】
【2】pad_width：每个轴要填充的数据的数目【每个维度前、后各要填充多少个数据】
【3】mode：填充的方式【采用哪种方式填充】
【4】参数mode解析
str（10种取值）、function
str类型取值包括：
‘constant’——表示连续填充相同的值，每个轴可以分别指定填充值，constant_values=（x, y）时前面用x填充，后面用y填充，缺省值填充0
‘edge’——表示用边缘值填充
‘linear_ramp’——表示用边缘递减的方式填充
‘maximum’——表示最大值填充
‘mean’——表示均值填充
‘median’——表示中位数填充
‘minimum’——表示最小值填充
‘reflect’——表示对称填充
‘symmetric’——表示对称填充
‘wrap’——表示用原数组后面的值填充前面，前面的值填充后面
【5】参数pad_width解析
pad_width参数类型：sequence，array_like，int
pad_width参数格式：((before_1, after_1), (before_2, after_2), … , (before_N, after_N))
第一个元素(before_1, after_1)表示第一维【列】的填充方式：前面填充before_1个数值，后面填充after_1个数值
第2个元素(before_2, after_2)表示第二维【行】的填充方式：前面填充before_2个数值，后面填充after_2个数值
【6】参数kwargs解析
字典类型，key包括：
stat_length：sequence、int、optional，用在"maximum", “mean”, “median”, "minimum"中，默认值是 None
constant_values：sequence、int、optional，用在"constant"中，默认值是 0
end_values：sequence、int、optional，用在"linear_ramp"中，默认值是 0
reflect_type：{‘even’, ‘old’}，用在"reflect"，"symmetric"中
7、查找数组的元素数和长度
编写一个NumPy程序来查找数组的元素数，一个数组元素的长度（以字节为单位）以及元素消耗的总字节数。
在这里插入代码片
【1】itemsize：输出array元素的字节数
【2】size：输出元素个数
【3】nbytes：计算数组中的所有数据消耗掉的字节数
8、获取数组的唯一元素
编写一个NumPy程序来获取数组的唯一元素。
import numpy as np x = np.array([10, 10, 20, 20, 30, 30]) print("Original array:") print(x) print("Unique elements of the above array:") print(np.unique(x)) x = np.array([[1, 1], [2, 3]]) print("Original array:") print(x) print("Unique elements of the above array:") print(np.unique(x)) ''' import numpy as np x = np.array([10, 10, 20, 20, 30, 30]) print("Original array:") print(x) print("Unique elements of the above array:") print(np.unique(x)) x = np.array([[1, 1], [2, 3]]) print("Original array:") print(x) print("Unique elements of the above array:") print(np.unique(x)) '''
9、创建一个连续的扁平化数组
编写一个 NumPy 程序来创建一个连续的扁平化数组。
原始数组：
[[10 20 30]
[20 40 50]]
新的扁平化数组：
[10 20 30 20 40 50]
import numpy as np x = np.array([[10, 20, 30], [20, 40, 50]]) print("Original array:") print(x) y = np.ravel(x) print("New flattened array:") print(y) ''' Original array: [[10 20 30] [20 40 50]] New flattened array: [10 20 30 20 40 50] '''
10、更改数组的数据类型
import numpy as np x = np.array([[2, 4, 6], [6, 8, 10]], np.int32) print(x) print("Data type of the array x is:",x.dtype) # Change the data type of x y = x.astype(float) print("New Type: ",y.dtype) print(y) ''' [[ 2 4 6] [ 6 8 10]] Data type of the array x is: int32 New Type: float64 [[ 2. 4. 6.] [ 6. 8. 10.]] '''
【1】dtype：查看元素类型
【2】astype：改变元素数据类型
11、合并三个相同形状的给定NumPy数组
编写一个NumPy程序来合并三个相同形状的给定NumPy数组。
import numpy as np arr1 = np.arange(1,7).reshape(2,3) arr2 = np.arange(7,13).reshape(2,3) arr3 = np.arange(13,19).reshape(2,3) print("arr1:") print(arr1) print("arr2:") print(arr2) print("arr3:") print(arr3) result = np.concatenate((arr1, arr2, arr3), axis=1) print("After concatenate,axis=1或者-1:") print(result) result = np.concatenate((arr1, arr2, arr3), axis=0) print("After concatenate,axis=0:") print(result) ''' arr1: [[1 2 3] [4 5 6]] arr2: [[ 7 8 9] [10 11 12]] arr3: [[13 14 15] [16 17 18]] After concatenate,axis=1或者-1: [[ 1 2 3 7 8 9 13 14 15] [ 4 5 6 10 11 12 16 17 18]] After concatenate,axis=0: [[ 1 2 3] [ 4 5 6] [ 7 8 9] [10 11 12] [13 14 15] [16 17 18]] '''
【2】np.concatenate
np.concatenate：数组拼接
concatenate((a1, a2, …), axis=0)
参数：
传入的参数必须是一个多个数组的元组或者列表
另外需要指定拼接的方向，默认是 axis = 0，也就是说对0轴的数组对象进行纵向的拼接（纵向的拼接沿着axis= 1方向）；注：一般axis = 0，就是对该轴向的数组进行操作，操作方向是另外一个轴，即axis=1。
传入的数组必须具有相同的形状，这里的相同的形状可以传入的数组必须具有相同的形状，这里的相同的形状可以满足在拼接方向axis轴上数组间的形状一致即可
12、查找两个数组之间的公共值
编写一个NumPy程序来查找两个数组之间的公共值。
import numpy as np array1 = np.array([0,60, 20, 40, 70]) print("Array1: ",array1) array2 = [60, 30, 40] print("Array2: ",array2) print("Common values between two arrays:") print(np.intersect1d(array1, array2)) ''' Array1: [ 0 60 20 40 10] Array2: [60, 30, 40] Common values between two arrays: [40 60] '''
【1】np.intersect1d函数：查找两个数组中相同的值，并且会按照从小到大的顺序返回新的数组，也可用于求两个数组的交集。数组可以是一维，也可以是多维（我试了二维可以）
13、查找两个数组的集合差值
编写一个NumPy程序来查找两个数组的集合差异。set 差异将返回 array1 中不在 array2 中的已排序的唯一值。
import numpy as np array1 = np.array([0, 10, 20, 40, 60, 80]) print("Array1: ",array1) array2 = [10, 30, 40, 50, 70] print("Array2: ",array2) print("Unique values in array1 that are not in array2:") print(np.setdiff1d(array1, array2)) ''' Array1: [ 0 10 20 40 60 80] Array2: [10, 30, 40, 50, 70] Unique values in array1 that are not in array2: [ 0 20 60 80] '''
【3】np.setdiff1d
setdiff1d(ar1, ar2, assume_unique=False)
1.功能：找到2个数组中集合元素的差异。
2.返回值：在ar1中但不在ar2中的已排序的唯一值。
3.参数：
ar1：array_like 输入数组。
ar2：array_like 输入比较数组。
assume_unique：bool。如果为True，则假定输入数组是唯一的，即可以加快计算速度。 默认值为False。
