Python數(shù)組變形的幾種實現(xiàn)方法
1.reshape
reshape是重塑，常用的三種寫法如下：
numpy.arange(n).reshape(a, b) # 依次生成 n個自然數(shù)，并且以 a行 b列的數(shù)組形式顯示
numpy.arange(a,b,c) # 從數(shù)字 a起, 步長為 c, 到 b結束，生成 array
numpy.arange(a,b,c).reshape(m,n) # 將array的維度變?yōu)?m 行 n 列。
例一：
import numpy as np arr=np.arange(1,25.0).reshape(4,6)
關于order：
order可以是數(shù)組排序的方向不同
（1）order='F'列為主序
（2）order='C'行為主序
一種是以order='F'的方式讓數(shù)組豎著排序：
arr=np.arange(1,25.0).reshape((6,-1),order='F')
一種是以order='C'的方式讓數(shù)組橫著排序：
arr=np.arange(1,25.0).reshape((6,-1),order='C')
reshape與flattern:
前者完成的是從低維到高維的轉換，后者則相反，還可以使用reval函數(shù)
2.flatten
numpy.ndarray.flattern()是用來返回一維數(shù)組的函數(shù)。
也可以像reshape一樣使用order
arr2=arr.flatten(order='F')
一般默認是使用order='C'，有特定需求則使用order='F'。
且 flatten()返回的是拷貝，意味著改變元素的值不會影響原始數(shù)組。
3.ravel
ravel()方法將數(shù)組維度拉成一維數(shù)組
ravel和flatten的區(qū)別：
- ravel在進行扁平化處理的時候沒有復制原來的數(shù)組，只在列主序打平時復制原來的數(shù)組
- flatten在所有情況下打平時都復制了原來的數(shù)組
- ravel()返回的是視圖，意味著改變元素的值會影響原始數(shù)組；
- flatten()返回的是拷貝，意味著改變元素的值不會影響原始數(shù)組。
- 相同點：這兩個函數(shù)的功能都是將多維數(shù)組轉換成一維
ravel()返回的是視圖，意味著改變元素的值會影響原始數(shù)組；
4.stack
numpy.stack(arrays, axis=0)：沿著新軸連接數(shù)組的序列。
一系列的stack函數(shù)有：stack()，hstack()，vstack()
（1）concatenate
還有屬性例如：concatenatenumpy.concatenate((a1,a2,…), axis=0)函數(shù)，能夠一次完成多個數(shù)組的拼接。其中a1,a2,…是數(shù)組類型的參數(shù)
arr1=['穿過寒冬擁抱你','反貪風暴5：最終章','李茂扮太子','誤殺2'] arr2=['以年為單位的戀愛','愛情神話','黑客帝國：矩陣重啟','雄獅少年'] np.concatenate([arr1,arr2])
注意，兩個list合并的時候需要用到 [ ] ,否則出錯。
axis參數(shù)指定新軸在結果尺寸中的索引。例如，如果axis=0，它將是第一個維度，如果axis=-1，它將是最后一個維度。
默認情況下axis=0
arr1=np.arange(1,25.0).reshape(4,6) arr2=np.arange(26,50.0).reshape(4,6) np.concatenate([arr1,arr2],axis=1) np.concatenate([arr1,arr2],axis=0)
如上圖所示，axis=1是將不同的列串聯(lián)起來，axis=0則類似于append，是合并。
將arr1與arr2進行對調：
（2）vstack
函數(shù)原型：vstack(tup) ，參數(shù)tup可以是元組，列表，或者numpy數(shù)組，返回結果為numpy的數(shù)組。它是垂直（按照行順序）的把數(shù)組給堆疊起來。
vstack 和concatenate( ),axis=0等價
（3）dstack
dstack是deep stack，即在深度方向進行合并。
dstack可以將一維數(shù)組變成三維數(shù)組。
import numpy as np
# vstack
np.vstack([arr1,arr2])
#結果：
array([[ 1., 2., 3., 4., 5., 6.],
[ 7., 8., 9., 10., 11., 12.],
[13., 14., 15., 16., 17., 18.],
[19., 20., 21., 22., 23., 24.],
[26., 27., 28., 29., 30., 31.],
[32., 33., 34., 35., 36., 37.],
[38., 39., 40., 41., 42., 43.],
[44., 45., 46., 47., 48., 49.]])
# dstack
np.dstack([arr1,arr2])
# 結果：
array([[[ 1., 26.],
[ 2., 27.],
[ 3., 28.],
[ 4., 29.],
[ 5., 30.],
[ 6., 31.]],
[[ 7., 32.],
[ 8., 33.],
[ 9., 34.],
[10., 35.],
[11., 36.],
[12., 37.]],
[[13., 38.],
[14., 39.],
[15., 40.],
[16., 41.],
[17., 42.],
[18., 43.]],
[[19., 44.],
[20., 45.],
[21., 46.],
[22., 47.],
[23., 48.],
[24., 49.]]])
（4）hstack
函數(shù)原型：hstack(tup) ，參數(shù)tup可以是元組，列表，或者numpy數(shù)組，返回結果為numpy的數(shù)組,水平(按列順序)把數(shù)組給堆疊起來，vstack()函數(shù)正好和它相反。
（5）r,c模式
np.r_[arr1,arr2] ，實際上是vstack 與 axis=0 做了一個合并（concatenate）。
np.c_[arr1,arr2] ， hstack 與 axis=1 做了一個合并（concatenate）。
print(np.r_[-2:2:1,[0]*3,5,6])
上面那段代碼由三部分組成，-2:2:1表示從-2~2的數(shù)字，間隔為1，并且2沒有，然后是3個0，接下來是5和6
print((np.r_['r',-2:2:1,[0]*3,5,6])) #二維數(shù)組，以行的方式呈現(xiàn) print((np.r_['c',-2:2:1,[0]*3,5,6])) #二維數(shù)組，以列的方式呈現(xiàn)
默認是為r，表示沿著行的方向創(chuàng)建，c則表示以列的方式創(chuàng)建。
注：shape表示矩陣的維度大小。
也可以用'a,b,c'來進行表示，a代表軸，沿著軸a來進行合并，代表合并后數(shù)組維度至少是b，c是代表在第c維度上做維度提升
print(np.r_['0,2,0',[1,2,3],[4,5,6]],'\n') print(np.r_['0,2,1',[1,2,3],[4,5,6]],'\n') print(np.r_['1,2,0',[1,2,3],[4,5,6]],'\n') print(np.r_['1,2,1',[1,2,3],[4,5,6]])
b:合并后數(shù)組的維度 a=0,沿著軸0合并。(3,)-->(1,3) a=1,沿著軸1合并。(3,1)-->(3,2) c=0,在軸0上上升一維,(3,)-->(3,1) c=1,在軸1上上升一維,(3,)-->(1,3)
5.split
（1）split
split 具體有 split() , hsplit() , vsplit()
arr1=np.arange(1,13.0).reshape(2,6) arr2=np.arange(14,26.0).reshape(2,6) arr=np.concatenate([arr1,arr2]) arr3=np.split(arr,2) # 默認情況下是 axis=0
由上圖可知，split分割成為二維數(shù)組
arr4=np.split(arr,3,axis=1) print(arr4[0].shape) arr4
arr5=np.split(arr,4,axis=0) arr6=np.split(arr,[1,2,3],axis=0)
上述代碼塊的兩行表示是相同的，第二行相當于使用數(shù)組的切片方式進行處理。
（2）vsplit和hsplit
vsplit垂直（按行）將陣列拆分為多個子陣列。hsplit水平（按列）將陣列拆分為多個子陣列。
這部分希望大家看下圖體會~
arrv=np.vsplit(arr,[1,2,3,4]) arrh=np.hsplit(arr,[1,2,3,4,5])
6.repeat
repeat()： 復制數(shù)組中的每個指定元素。
一維數(shù)組：用整數(shù)型和列表型參考來控制元素被復制的個數(shù)
多維數(shù)組：用整數(shù)型和列表型來控制元素被復制的個數(shù)
import numpy as np arr=np.arange(3) print(arr.shape)
（1）標量參數(shù)
print(arr.repeat(3)) # 每個元素復制三次
（2）列表參數(shù)
print(arr) print(arr.repeat([1,2,3])) # 第一個沒有復制，第二個復制了兩個，，依次類推
當列表的元素少于數(shù)組元素，或者多余數(shù)組元素，都會報錯，就如下圖所示。
上面是一維數(shù)組的，接下來再看看二維數(shù)組中利用標量參數(shù)和軸參數(shù)：
print(arr.repeat(2)) # 此時二維數(shù)組變成一維的了 print(arr.repeat(2,1)) print(arr.repeat(2,axis=0)) # 在行上面進行復制
再來看看二維數(shù)組中的列表參數(shù)和軸參數(shù)：
7.tile
關于repeat和title，二者的本質都是復制，而repeat是在元素層面進行賦值，title是在數(shù)組層面進行賦值。
（1）標量參數(shù)
print(np.tile(arr,2)) print(np.repeat(arr,2))
（2）元組參數(shù)
元組參數(shù)即括號里面用相關參數(shù)進行分割。
print(np.tile(arr,(2,3)))
print(np.tile(arr,(2,3,4)))
在軸0上面復制兩遍，行復制3遍，列復制4遍。
8.sort
排序分為：
- 直接排序
- 間接排序
直接排序sort() :在原來的數(shù)組上進行排序操作，而不重新創(chuàng)建一個數(shù)組
（1）一維數(shù)組排序方法
arr=np.array([9,1,5,7,2,3,8,6]) # 先創(chuàng)建一個無序數(shù)組 arr
print('排序之前的數(shù)組:',arr)
arr.sort()
print('排序之后的數(shù)組:',arr)
arr[::-1] # 使用倒序的方法顯示
（2）多維數(shù)組排序方法
先使用random隨機生成一個二維數(shù)組：（每次）
import numpy as np np.random.seed(1000) arr=np.random.randint(40,size=(3,4)) arr
以上的方法在每次重新刷新了之后會變化數(shù)組的數(shù)字。
如果對二維數(shù)組直接使用arr.sort()，則會直接對行進行排序。
對列進行排序：
print('排序之前的數(shù)組:')
print(arr)
arr[:,0].sort()
print('排序之后的數(shù)組:')
print(arr)
np.sort(arr[:,2]) # 選擇第三列進行排序
arr.sort(axis=1) # 橫著排序，原來數(shù)組改變 np.sort(arr,axis=1) # 橫著排序，但原來的數(shù)組不會改變 arr.sort(axis=0) # 豎著排序，原來數(shù)組改變 np.sort(arr,axis=0) # 豎著排序，但原來的數(shù)組不會改變
（3）argsort函數(shù)
接下來看看間接排序：
間接排序：利用特定的參數(shù)進行排序，按需排序，需要使用argsort( )函數(shù)argsort函數(shù)：返回的是數(shù)組值從小到大的索引值。
score=np.array([100,65,76,89,58]) idx=score.argsort() idx
因此如果打印數(shù)組的時候帶上下標就相當于排序了：
print(score[idx]) # 利用索引標簽來打印
arr[:,arr[0].argsort()] #按第一行從低到高進行排序，并且對應的列也會跟著變化 arr#由于使用的是argsort,因此原數(shù)組不會改變
（4）lexsort函數(shù)
numpy.lexsort() 用于對多個序列進行排序。把它想象成對電子表格進行排序，每一列代表一個序列，排序時優(yōu)先照顧靠后的列。
這里舉一個應用場景：小升初考試，重點班錄取學生按照總成績錄取。在總成績相同時，數(shù)學成績高的優(yōu)先錄取，在總成績和數(shù)學成績都相同時，按照英語成績錄取…… 這里，總成績排在電子表格的最后一列，數(shù)學成績在倒數(shù)第二列，英語成績在倒數(shù)第三列。
arr1=np.array(['E','B','C','A','D']) arr2=np.array(['4','1','3','2','5']) idx=np.lexsort((arr1,arr2))
9.insert
insert 是插入，但原數(shù)組不會改變。
arr=np.arange(6) np.insert(arr,1,100) # 在下標為1的位置插入100
arr=np.arange(6) np.insert(arr,1,100) # 在下標為1的位置插入100
10.delete
delete是刪除，但原數(shù)組同樣不會改變。
arr=np.arange(6) np.delete(arr,1) np.delete(arr,[1,2])
11.copy
關于copy和view ,這里需要了解一下數(shù)組切片和列表切片的區(qū)別：
- 數(shù)組切片得到的是原數(shù)組的一個view(視圖)，修改切片中的內容會改變原來數(shù)組
- 列表切片得到的是原列表的一個copy(復制)，修改切片后的列表不會改變原列表
arr=np.arange(6) arr_copy=arr.copy() arr_copy[0]=100 arr_copy
12.view
arr=np.arange(6) arr_view=arr.view() arr_view[0]=100 arr_view
講了以上12種數(shù)組變形，那么如何使用容器型數(shù)據(jù)的特性和數(shù)組相關函數(shù)的方法對字符串或者其他對象進行去重呢？
s='數(shù)組切片得到的是原數(shù)組的一個,修改切片中的內容會改變原來數(shù)組'
假設現(xiàn)在要對s進行去重：
方法一：使用set
sets=set(s)
方法二：使用unique
sarr=np.array(s) np.unique(list(s))
到此這篇關于Python數(shù)組變形的幾種實現(xiàn)方法的文章就介紹到這了,更多相關Python數(shù)組變形內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
Python實戰(zhàn)案例之可增刪改查的員工管理系統(tǒng)
本實戰(zhàn)案例主要對MySQL進行一些基本操作，通過完成本實驗任務，要求學生熟練掌握MySQL的增刪改查，并對MySQL的增刪改查基本操作進行管理員工的信息，需要的朋友跟著小編往下看吧2021-10-10
這篇文章主要為大家詳細介紹了python實現(xiàn)購物車小程序，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2022-02-02
在VSCode中添加Python解釋器并安裝Python庫的方法
這篇文章主要介紹了在VSCode中添加Python解釋器并安裝Python庫的方法，本文分步驟通過圖文并茂的形式給大家介紹的非常詳細，需要的朋友可以參考下2023-02-02
讀萬卷書不如行萬里路，只學書上的理論是遠遠不夠的，只有在實戰(zhàn)中才能獲得能力的提升，本篇文章帶你用python花10分鐘迅速搭建一個好玩的Python全文搜索引擎,大家可以在過程中查缺補漏，提升水平2021-10-10
這篇文章主要介紹了Python 如何測試文件是否存在，文中講解非常細致，代碼幫助大家更好的理解和學習，感興趣的朋友可以了解下2020-07-07
這篇文章主要介紹了python面積圖之曲線圖的填充，文章圍繞主題的相關資料展開詳細的內容介紹，具有一定的參考價值，需要的小伙伴可以參考一下，希望對你的學習有所幫助2022-06-06
今天小編就為大家分享一篇Pytorch Tensor的統(tǒng)計屬性實例講解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-12-12
這篇文章主要為大家詳細介紹了python中yield函數(shù)的用法，數(shù)據(jù)庫，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2022-02-02
Python使用matplotlib和pandas實現(xiàn)的畫圖操作【經(jīng)典示例】
這篇文章主要介紹了Python使用matplotlib和pandas實現(xiàn)的畫圖操作,結合實例形式分析了Python基于matplotlib和pandas的數(shù)值運算與圖形顯示操作相關實現(xiàn)技巧,并對部分代碼的圖形顯示進行了顯示效果測試,需要的朋友可以參考下2018-06-06
python中l(wèi)ambda函數(shù) list comprehension 和 zip函數(shù)使用指南
這篇文章主要介紹了python中l(wèi)ambda函數(shù) list comprehension 和 zip函數(shù)使用方法，非常的實用，有需要的朋友可以參考下2014-09-09