numpy作为一个强大的数值计算库,提供了对多维数组的很多便捷操作。
承接上一篇数组的创建,本篇主要介绍一些数组的基本操作。

1. 子数组

首先介绍获取子数组的方法,提取已有数据的一部分来参与计算是比较常用的功能。

对于一维数组,提取子数组:arr[start:stop:step]

  1. start:从哪个下标开始(下标从 0 开始)
  2. stop:到哪个下标结束(下标不包括 stop 这个值)
  3. step:间隔几个元素
arr = np.array(range(10))  # 生成 0~9 10个元素print(arr[::2]) # 偶数print(arr[1::2]) # 奇数print(arr[1:6:2]) # 前六个数中的奇数print(arr[::-1]) # 逆序#运行结果[0 2 4 6 8][1 3 5 7 9][1 3 5][9 8 7 6 5 4 3 2 1 0]

对于多维数组,同样可以使用上面的方式,数组有几维,就可以使用几次 start:stop:step
比如下面的二维数组:

arr = np.array([range(6), range(1, 7),                range(2, 8), range(3, 9),                range(4, 10)])print(arr)#运行结果[[0 1 2 3 4 5] [1 2 3 4 5 6] [2 3 4 5 6 7] [3 4 5 6 7 8] [4 5 6 7 8 9]]print(arr[::2, ::2])#运行结果[[0 2 4] [2 4 6] [4 6 8]]

也就是按行取第 1,3,5行,然后按列取第 1,3,5列。

2. 数组副本

当我们提取子数组之后,如果对子数组进行修改,那么原始的数组也会变化。
这个因为数组是引用类型,当数组的数据量很大的时候,内存占用会比较低。
比如:

arr = np.array(range(5))arr2 = arr[::2]arr2[2] = 99print(arr)#运行结果[ 0  1  2  3 99]print(arr2)#运行结果[ 0  2 99]

子数组修改之后,原始数组也改变了。

如果要避免修改原始数组,就要建立子数组的副本,也就是 copy 方法。

arr = np.array(range(5))arr2 = arr[::2].copy() # 通过copy方法建立副本arr2[2] = 99print(arr)#运行结果[0 1 2 3 4]print(arr2)#运行结果[ 0  2 99]

3. 数组变形

进行数据分析时,我们常常得到的是线性的数据序列,也就是一维数组,
numpy中,从一维变到多维非常方便。

#一维变多维arr = list(range(9))print(arr)#运行结果[0, 1, 2, 3, 4, 5, 6, 7, 8]arr = np.array(arr).reshape((3, 3))print(arr)#运行结果[[0 1 2] [3 4 5] [6 7 8]]

注意,变换前后元素的总数量要一直,比如上面的例子中,
变换前一维数组有9个元素,变换成 3x3 的二维数组,也是9个元素。
如果变换成 3x4 或者 2x3 的二维数组,就会出错。

除了二维数组,变成三维数组也一样:

arr = np.array(range(24)).reshape((2, 3, 4))print(arr)#运行结果[[[ 0  1  2  3]  [ 4  5  6  7]  [ 8  9 10 11]] [[12 13 14 15]  [16 17 18 19]  [20 21 22 23]]]

4. 拼接和拆分

最后一个基本操作是数组的拼接拆分

4.1. 拼接

拼接有两个方向,水平拼接和垂直拼接,拼接的数组个数不限。
比如,下面的示例是3个数组拼接在一起。

arr1 = np.array([range(1, 4),                 range(1, 4),                 range(1, 4)])arr2 = np.array([range(4, 7),                 range(4, 7),                 range(4, 7)])arr3 = np.array([range(7, 10),                  range(7, 10),                 range(7, 10)])arr = np.concatenate([arr1, arr2, arr3])print(arr)#运行结果[[1 2 3] [1 2 3] [1 2 3] [4 5 6] [4 5 6] [4 5 6] [7 8 9] [7 8 9] [7 8 9]]arr = np.concatenate([arr1, arr2, arr3], axis=1)print(arr)#运行结果[[1 2 3 4 5 6 7 8 9] [1 2 3 4 5 6 7 8 9] [1 2 3 4 5 6 7 8 9]]

concatenate 函数用来拼接数组,默认是垂直方向拼接,设置 axis=1,按照水平方向拼接。

如果觉得记参数麻烦,记不住哪个是水平拼接,哪个是垂直拼接,还有两个专门拼接的函数,
vstack(垂直拼接)和hstack(水平拼接)。

arr = np.vstack([arr1, arr2, arr3])print(arr)#运行结果[[1 2 3] [1 2 3] [1 2 3] [4 5 6] [4 5 6] [4 5 6] [7 8 9] [7 8 9] [7 8 9]]arr = np.hstack([arr1, arr2, arr3])print(arr)#运行结果[[1 2 3 4 5 6 7 8 9] [1 2 3 4 5 6 7 8 9] [1 2 3 4 5 6 7 8 9]]

4.2. 拆分

拆分数组时,通过设置拆分点的下标,可以将数组拆分成任意长短的多个数组。
比如:

arr = np.array(range(1, 10))arr1 = np.split(arr, [1, 5]) # 在下标 1 和 5 的地方拆分print(arr1)#运行结果[array([1]), array([2, 3, 4, 5]), array([6, 7, 8, 9])]

上面的示例中,下标1对应的值是2下标5对应的值是6
2个拆分点,所以拆分成3个数组

同样,数组的拆分也有2个简便的方法:vsplithsplit
拆分多维数组时,可以按照垂直和水平两个方向拆分。

arr = np.array(range(1, 10)).reshape((3, 3))print(arr)#运行结果[[1 2 3] [4 5 6] [7 8 9]]print(np.vsplit(arr, [1]))#运行结果[array([[1, 2, 3]]),  array([[4, 5, 6],       [7, 8, 9]])]print(np.hsplit(arr, [1]))#运行结果[array([[1],       [4],       [7]]),  array([[2, 3],       [5, 6],       [8, 9]])]

垂直拆分时,拆分点是下标1的行,也就是从第二行开始拆分。
水平拆分时,拆分点是下标1的列,也就是从第二列开始拆分。

超过二维的数组也可以 vsplithsplit,只是结果看上去没那么直观。

5. 总结回顾

本篇主要介绍的是numpy数组的基本操作,包括:

  1. 提取子数组
  2. 创建数组副本
  3. 数组变形
  4. 拼接和拆分

这些基本操作是进行实际的数值计算前经常会使用到的。