修改数组形状

numpy.reshape (a, newshape, order=’C’)

• arr：要修改形状的数组
• newshape：整数或者整数数组，新的形状应当兼容原有形状
• order：’C’ — 按行，’F’ — 按列，’A’ — 原顺序，’k’ — 元素在内存中的出现顺序。

import numpy as np

a = np.arange(8)
b = np.reshape(a, (2, 4))
print(b)
c=a.reshape(2,4)
print(c)
# 对数组中每个元素都进行处理，可以使用flat属性，该属性是一个数组元素迭代器：
print('迭代后的数组：')
for x in a.flat:
print (x,end=' ')
print('\n')
print('flatten后的数组,对拷贝所做的修改不会影响原始数组：')
print(b.flatten(order='C'))
print(b.flatten(order='F'))
print('ravel后的数组,修改会影响原始数组。：')
print(b.ravel(order='C'))
print(b.ravel(order='F'))
[[0 1 2 3]
[4 5 6 7]]
[[0 1 2 3]
[4 5 6 7]]
迭代后的数组：
0 1 2 3 4 5 6 7

flatten后的数组,对拷贝所做的修改不会影响原始数组：
[0 1 2 3 4 5 6 7]
[0 4 1 5 2 6 3 7]
ravel后的数组,修改会影响原始数组。：
[0 1 2 3 4 5 6 7]
[0 4 1 5 2 6 3 7]

翻转数组

numpy.transpose 函数用于对换数组的维度

numpy.transpose = transpose(a, axes=None)

• arr：要操作的数组
• axes：整数列表，对应维度，通常所有维度都会对换。

numpy.ndarray.T 类似 numpy.transpose;(数组转置)

numpy.rollaxis 函数向后滚动特定的轴到一个特定位置

numpy.rollaxis = rollaxis(a, axis, start=0)

参数说明：

• arr：数组
• axis：要向后滚动的轴，其它轴的相对位置不会改变
• start：默认为零，表示完整的滚动。会滚动到特定位置。

连接数组

numpy.concatenate((a1, a2, …), axis)

• a1, a2, ...：相同类型的数组
• axis：沿着它连接数组的轴，默认为 0

numpy.stack(arrays, axis)

• arrays相同形状的数组序列
• axis：返回数组中的轴，输入数组沿着它来堆叠

numpy.hstack 是 numpy.stack 函数的变体，它通过水平堆叠来生成数组

numpy.hstack 是 numpy.stack 函数的变体，它通过水平堆叠来生成数组

numpy.column_stack用于在2D数组的列维度上进行堆叠。

np.column_stack和np.stack都可以用来沿着新的维度对数组进行堆叠，但它们之间有几个重要的区别：

1. 维度要求：np.column_stack用于在2D数组的列维度上进行堆叠，而np.stack可以在任意维度上进行堆叠。通过设置axis参数，np.stack可以沿着指定的维度对数组进行堆叠。
2. 参数形式：np.column_stack接受一个由数组构成的序列作为参数，将这些数组按列堆叠，返回一个2D数组。而np.stack接受一个数组序列以及一个可选的axis参数，返回一个堆叠后的新数组。

import numpy as np

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])
print("a:\n", a)
print("b:\n", b)
# 两个数组的维度相同

print('沿轴 0/x 连接两个数组：')
print(np.concatenate((a, b)))

print('沿轴 1/y 连接两个数组：')
print(np.concatenate((a, b), axis=1))

print('沿轴 0 堆叠两个数组：')
print(np.stack((a, b), 0))

print('沿轴 1 堆叠两个数组：')
print(np.stack((a, b), 1))

print('水平堆叠：')
c = np.hstack((a,b))
print(c)

print('竖直堆叠：')
c = np.vstack((a,b))
print(c)
a:
[[1 2]
[3 4]]
b:
[[5 6]
[7 8]]
沿轴 0/x 连接两个数组：
[[1 2]
[3 4]
[5 6]
[7 8]]
沿轴 1/y 连接两个数组：
[[1 2 5 6]
[3 4 7 8]]
沿轴 0 堆叠两个数组：
[[[1 2]
[3 4]]

[[5 6]
[7 8]]]
沿轴 1 堆叠两个数组：
[[[1 2]
[5 6]]

[[3 4]
[7 8]]]
水平堆叠：
[[1 2 5 6]
[3 4 7 8]]
竖直堆叠：
[[1 2]
[3 4]
[5 6]
[7 8]]

分割数组

numpy.split (ary, indices_or_sections, axis=0)

• ary：被分割的数组
• indices_or_sections：如果是一个整数，就用该数平均切分，如果是一个数组，为沿轴切分的位置（左开右闭）
• axis：设置沿着哪个方向进行切分，默认为 0，横向切分，即水平方向。为 1 时，纵向切分，即竖直方向。

numpy.hsplit 函数用于水平分割数组，通过指定要返回的相同形状的数组数量来拆分原数组。（竖直切割横向遍历）

numpy.vsplit 沿着垂直轴分割。（水平切割，竖直遍历）

import numpy as np

a = np.arange(16).reshape(4, 4)
print(a)
b = np.split(a,2)
print("水平分割：\n",b)
c = np.split(a,2,1)
print("竖直分割：\n",c)
d=np.vsplit(a,2)
print("v垂直分割：\n",d) # 横向分割，垂直遍历
e=np.hsplit(a,2)
print("h水平分割：\n",e) # 纵向分割，水平遍历
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]]
水平分割：
[array([[0, 1, 2, 3],
[4, 5, 6, 7]]), array([[ 8, 9, 10, 11],
[12, 13, 14, 15]])]
竖直分割：
[array([[ 0, 1],
[ 4, 5],
[ 8, 9],
[12, 13]]), array([[ 2, 3],
[ 6, 7],
[10, 11],
[14, 15]])]
v垂直分割：
[array([[0, 1, 2, 3],
[4, 5, 6, 7]]), array([[ 8, 9, 10, 11],
[12, 13, 14, 15]])]
h水平分割：
[array([[ 0, 1],
[ 4, 5],
[ 8, 9],
[12, 13]]), array([[ 2, 3],
[ 6, 7],
[10, 11],
[14, 15]])]

数组元素的添加与删除

numpy.resize(arr, shape)

numpy.resize 函数返回指定大小的新数组。

如果新数组大小大于原始大小，则包含原始数组中的元素的副本。

• arr：要修改大小的数组
• shape：返回数组的新形状

numpy.append(arr, values, axis=None)

numpy.append 函数在数组的末尾添加值。 追加操作会分配整个数组，并把原来的数组复制到新数组中。 此外，输入数组的维度必须匹配否则将生成ValueError。

append 函数返回的始终是一个一维数组。

• arr：输入数组
• values：要向arr添加的值，需要和arr形状相同（除了要添加的轴）
• axis：默认为 None。当axis无定义时，是横向加成，返回总是为一维数组！当axis有定义的时候，分别为0和1的时候。当axis有定义的时候，分别为0和1的时候（列数要相同）。当axis为1时，数组是加在右边（行数要相同）。

numpy.insert(arr, obj, values, axis)

numpy.insert 函数在给定索引之前，沿给定轴在输入数组中插入值。

函数会在指定位置（或位置数组）插入给定的值或数组，然后返回新的数组。被插入的元素可以是标量值，也可以是数组。需要注意的是，插入操作会返回一个新的数组，而不会改变原始数组。

• arr：输入数组
• obj：在其之前插入值的索引
• values：要插入的值
• axis：沿着它插入的轴，如果未提供，则输入数组会被展开

Numpy.delete(arr, obj, axis)

numpy.delete 函数返回从输入数组中删除指定子数组的新数组。 与 insert() 函数的情况一样，如果未提供轴参数，则输入数组将展开。

• arr：输入数组
• obj：可以被切片，整数或者整数数组，表明要从输入数组删除的子数组
• axis：沿着它删除给定子数组的轴，如果未提供，则输入数组会被展开

numpy.unique(arr, return_index, return_inverse, return_counts)

numpy.unique 函数用于去除数组中的重复元素。

• arr：输入数组，如果不是一维数组则会展开
• return_index：如果为true，返回新列表元素在旧列表中的位置（下标），并以列表形式储
• return_inverse：如果为true，返回旧列表元素在新列表中的位置（下标），并以列表形式储
• return_counts：如果为true，返回去重数组中的元素在原数组中的出现次数