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
-
1, 2],[ 3, 4],[ 5, 6]]) #创建3行2列二维数组。a = np.array([[
-
-
array([[ 1, 2],
-
[ 3, 4],
-
[ 5, 6]])
-
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.zeros((
-
2, 3)) #创建3行2列,元素都是1的二维数组a = np.ones((
-
2, 3)) #创建3行2列,未初始化的二维数组a = np.empty((
-
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.arange(
-
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
-
1, 2],[ 3, 4],[ 5, 6]])a = np.array([[
-
10, 20],[ 30, 40],[ 50, 60]])b = np.array([[
-
-
array([[ 1, 2],
-
[ 3, 4],
-
[ 5, 6],
-
[ 10, 20],
-
[ 30, 40],
-
[ 50, 60]])
-
-
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
-
1],[ 2]])a = np.array([[
-
-
array([[ 1],
-
[ 2]])
-
10, 20, 30]]) #生成一个list,注意,不是np.array。b=([[
-
-
[[ 10, 20, 30]]
-
-
array([[ 11, 21, 31],
-
[ 12, 22, 32]])
-
10, 20, 30])c = np.array([
-
-
array([ 10, 20, 30])
-
-
( 3,)
-
-
array([[ 11, 21, 31],
-
[ 12, 22, 32]])
查
-
-
array([[ 1, 2],
-
[ 3, 4],
-
[ 5, 6]])
-
0] # array([1, 2])a[
-
0][ 1] #2a[
-
0, 1] #2a[
-
6) #array([0, 1, 2, 3, 4, 5])b = np.arange(
-
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])b[
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
-
1, 2],[ 3, 4],[ 5, 6]])a = np.array([[
-
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[
-
-
1, 2],[ 3, 4],[ 5, 6]])a = np.array([[
-
10, 20],[ 30, 40],[ 50, 60]])b = np.array([[
-
#加法必须在两个相同大小的数组键间运算。a+b
-
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
-
1],[ 2]])a = np.array([[
-
-
array([[ 1],
-
[ 2]])
-
10, 20, 30]]) #生成一个list,注意,不是np.array。b=([[
-
-
[[ 10, 20, 30]]
-
-
array([[ 11, 21, 31],
-
[ 12, 22, 32]])
-
10, 20, 30])c = np.array([
-
-
array([ 10, 20, 30])
-
-
( 3,)
-
-
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。
-
1, 2],[ 3, 4],[ 5, 6]])a = np.array([[
-
2 #相当于a中各个元素都乘以2.类似于广播。a*
-
array([[ 2, 4],
-
[ 6, 8],
-
[ 10, 12]])
-
2a**
-
array([[ 1, 4],
-
[ 9, 16],
-
[ 25, 36]])
-
3a>
-
array([[ False, False],
-
[ False, True],
-
[ True, True]])
-
3a+
-
array([[ 4, 5],
-
[ 6, 7],
-
[ 8, 9]])
-
2a/
-
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。
-
1, 2],[ 3, 4],[ 5, 6]])a = np.array([[
-
0]a[
-
array([ 1, 2])
方法二:
-
1, 2],[ 3, 4],[ 5, 6]])a = np.array([[
-
1,axis = 0) #删除a的第二行。np.delete(a,
-
array([[ 1, 2],
-
[ 5, 6]])
-
1, 2), 0) #删除a的第二,三行。np.delete(a,(
-
array([[ 1, 2]])
-
1,axis = 1) #删除a的第二列。np.delete(a,
-
array([[ 1],
-
[ 3],
-
[ 5]])
方法三:
先分割,再按切片a=a[0]赋值。
-
1, 2],[ 3, 4],[ 5, 6]])a = np.array([[
-
2) #水平分割(搞不懂,明明是垂直分割嘛?)np.hsplit(a,
-
[array([[ 1],
-
[ 3],
-
[ 5]]), array([[ 2],
-
[ 4],
-
[ 6]])]
-
2,axis = 1) #与np.hsplit(a,2)效果一样。np.split(a,
-
-
3)np.vsplit(a,
-
[array([[ 1, 2]]), array([[ 3, 4]]), array([[ 5, 6]])]
-
3,axis = 0) #与np.vsplit(a,3)效果一样。np.split(a,