Numpy array数据的增、删、改、查

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。