标签：back 组成 shape 维数 obj err mod 生成 call
下面是几个常见的数组操作：
>>> a = np.array([[1,2,3],[4,5,6]])
>>> np.append(a, [7,8,9]) # 附加后，变成了一维的
array([1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> a #原来的数组没有改变
array([[1, 2, 3],
[4, 5, 6]])
>>> a.append([10,11,12]) # ndarray没有这个方法
---------------------------------------------------------------------------
AttributeError Traceback (most recent call last)
<ipython-input-165-a36f3ca1308b> in <module>()
----> 1 a.append([10,11,12])
AttributeError: ‘numpy.ndarray‘ object has no attribute ‘append‘
>>> np.append(a, [[7,8,9]],axis = 0) # 注意参数格式
array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
>>> a = np.array([[1,2],[3,4],[5,6]])
>>> np.insert(a,3,[11,12]) # 在3号位置前插入，变成一维了
array([ 1, 2, 3, 11, 12, 4, 5, 6])
>>> a
array([[1, 2],
[3, 4],
[5, 6]])
>>> np.insert(a,1,[11],axis = 0) # 按行插入
array([[ 1, 2],
[11, 11],
[ 3, 4],
[ 5, 6]])
>>> np.insert(a,1,[11],axis = 1) #按列插入
array([[ 1, 11, 2],
[ 3, 11, 4],
[ 5, 11, 6]])
>>> a = np.arange(12).reshape(3,4)
>>> a
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
>>> np.delete(a,5)# 删除指定位置的元素后，变成一维了
array([ 0, 1, 2, 3, 4, 6, 7, 8, 9, 10, 11])
>>> np.delete(a,1,axis = 0)
array([[ 0, 1, 2, 3],
[ 8, 9, 10, 11]])
>>> a # 并不会修改原来的数组
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
>>> np.delete(a,1,axis = 1)
array([[ 0, 2, 3],
[ 4, 6, 7],
[ 8, 10, 11]])
unique是numpy中非常重要的方法:
>>> a = np.array([0,1,4,7,2,1,4,3])
>>> a
array([0, 1, 4, 7, 2, 1, 4, 3])
>>> np.unique(a)
array([0, 1, 2, 3, 4, 7])
>>> b = np.array([[0,1,4,],[7,2,1],[4,3,0]])
>>> b
array([[0, 1, 4],
[7, 2, 1],
[4, 3, 0]])
>>> np.unique(b)
array([0, 1, 2, 3, 4, 7])
>>> np.unique(b,axis=0)
array([[0, 1, 4],
[4, 3, 0],
[7, 2, 1]])
>>> np.unique(b,axis=1)
array([[0, 1, 4],
[7, 2, 1],
[4, 3, 0]])
>>> b = np.array([[0,1,4,],[7,2,1],[4,3,0],[0,1,4,]])
>>> b
array([[0, 1, 4],
[7, 2, 1],
[4, 3, 0],
[0, 1, 4]])
np.unique(b,axis=0)
array([[0, 1, 4],
[4, 3, 0],
[7, 2, 1]])
之前介绍过，可以通过数组的shape属性，查看它的形状：
>>> a = np.floor(10*np.random.random((3,4)))
>>> a
array([[ 2., 8., 0., 6.],
[ 4., 5., 1., 1.],
[ 8., 9., 3., 6.]])
>>> a.shape
(3, 4)
上面的例子中，先通过numpy的random函数生成一个随机3行4列数组，再对每个元素乘10，最后用floor函数取整。
有很多数组方法可以变换它的形状，并且不修改原始数组本身：
>>> a.ravel() # 平铺数组成为一维数组
array([ 2., 8., 0., 6., 4., 5., 1., 1., 8., 9., 3., 6.])
>>> a.reshape(6,2) # 调整形状
array([[ 2., 8.],
[ 0., 6.],
[ 4., 5.],
[ 1., 1.],
[ 8., 9.],
[ 3., 6.]])
>>> a.T # 返回转置数组
array([[ 2., 4., 8.],
[ 8., 5., 9.],
[ 0., 1., 3.],
[ 6., 1., 6.]])
>>> a.T.shape
(4, 3)
>>> a.shape
(3, 4)
reshape方法不会修改数组本身，resize则正好相反：
>>> a
array([[ 2., 8., 0., 6.],
[ 4., 5., 1., 1.],
[ 8., 9., 3., 6.]])
>>> a.resize((2,6))
>>> a
array([[ 2., 8., 0., 6., 4., 5.],
[ 1., 1., 8., 9., 3., 6.]])
>>> a.resize((2,7)) # 突发奇想，作死试试
alueError Traceback (most recent call last)
<ipython-input-162-8df1a3f67bca> in <module>()
----> 1 a.resize(2,7)
ValueError: cannot resize an array that references or is referenced
by another array in this way. Use the resize function
>>> np.resize(a, (2,7)) # 但是...居然可以这么干!
array([[2., 8., 0., 6., 4., 5., 1.],
[1., 8., 9., 3., 6., 2., 8.]])
# 再次提醒，在numpy中有各种类似的坑，你根本踩不过来，所以不要尝试一些自己不确定的东西。
如果reshape方法的一个参数是-1，那么这个参数的实际值会自动计算得出：
>>> a.reshape(3,-1)
array([[ 2., 8., 0., 6.],
[ 4., 5., 1., 1.],
[ 8., 9., 3., 6.]])
标签：back 组成 shape 维数 obj err mod 生成 call
原文地址：https://www.cnblogs.com/lavender1221/p/12630748.html
