这篇文章主要介绍了关于numpy array数据的增、删、改、查，有着一定的参考价值，现在分享给大家，有需要的朋友可以参考一下
准备工作：
增、删、改、查的方法有很多很多种，这里只展示出常用的几种。
>>> import numpy as np >>> a = np.array([[1,2],[3,4],[5,6]])#创建3行2列二维数组。 >>> a array([[1, 2], [3, 4], [5, 6]]) >>> a = np.zeros(6)#创建长度为6的，元素都是0一维数组 >>> a = np.zeros((2,3))#创建3行2列，元素都是0的二维数组 >>> a = np.ones((2,3))#创建3行2列，元素都是1的二维数组 >>> a = np.empty((2,3)) #创建3行2列,未初始化的二维数组 >>> a = np.arange(6)#创建长度为6的，元素都是0一维数组array([0, 1, 2, 3, 4, 5]) >>> a = np.arange(1,7,1)#结果与np.arange(6)一样。第一，二个参数意思是数值从1〜6,不包括7.第三个参数表步长为1. a = np.linspace(0,10,7) # 生成首位是0，末位是10，含7个数的等差数列[ 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个数的等比数列。[ 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]])
不同维数的数组直接相加显然是不允许的。但是可以用一个n行列向量和一个m列行向量构造出一个n×m矩阵
>>> a = np.array([[1],[2]]) >>> a array([[1], [2]]) >>> b=([[10,20,30]])#生成一个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]#右边开区间array([1, 2]) >>> b[:3]#左边默认为 0array([0, 1, 2]) >>> b[3:]#右边默认为元素个数array([3, 4, 5]) >>> b[0:4:2]#下标递增2array([0, 2])
NumPy的where函数使用
np.where(condition, x, y)，第一个参数为一个布尔数组，第二个参数和第三个参数可以是标量也可以是数组。
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) # 长度须匹配# [1,2,-3,-4]
改
>>> a = np.array([[1,2],[3,4],[5,6]]) >>> a[0] = [11,22]#修改第一行数组[1,2]为[11,22]。 >>> a[0][0] = 111#修改第一个元素为111,修改后，第一个元素“1”改为“111”。 >>> a = np.array([[1,2],[3,4],[5,6]]) >>> b = np.array([[10,20],[30,40],[50,60]]) >>> a+b #加法必须在两个相同大小的数组键间运算。 array([[11, 22], [33, 44], [55, 66]])
不同维数的数组直接相加显然是不允许的。但是可以用一个n行列向量和一个m列行向量构造出一个n×m矩阵
>>> a = np.array([[1],[2]]) >>> a array([[1], [2]]) >>> b=([[10,20,30]])#生成一个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]])
数组和一个数字的加减乘除的运算，相当于一个广播，把这个运算广播到各个元素中去。
>>> a = np.array([[1,2],[3,4],[5,6]]) >>> a*2#相当于a中各个元素都乘以2.类似于广播。 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. ]])
删
方法一：
利用查找中的方法，比如a=a[0]，操作完居后，a的行数只剩一行了。
>>> 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)#删除a的第二行。 array([[1, 2], [5, 6]]) >>> np.delete(a,(1,2),0)#删除a的第二，三行。 array([[1, 2]]) >>> np.delete(a,1,axis = 1)#删除a的第二列。 array([[1], [3], [5]])
方法三：
先分割，再按切片a=a[0]赋值。
>>> 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)#与np.hsplit(a,2)效果一样。 >>> np.vsplit(a,3) [array([[1, 2]]), array([[3, 4]]), array([[5, 6]])] >>> np.split(a,3,axis = 0)#与np.vsplit(a,3)效果一样。
相关推荐：
