Python数据分析：numpy数组的分割和元素的添加与删除
数组的分割：
| 函数 | 描述 |
|---|---|
| split | 将一个数组分割为多个子数组 |
| hsplit | 将一个数组水平分割为多个子数组（按列） |
| vsplit | 将一个数组垂直分割为多个子数组（按行） |
numpy.split 沿特定的轴将数组分割为子数组
numpy.split(ary, indices_or_sections, axis)
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：沿着哪个维度进行切向，默认为0，横向切分。为1时，纵向切分
import numpy as np
a = np.arange(9)
print ('第一个数组：')
print (a)
print ('--------------------')
print ('将数组分为三个大小相等的子数组：')
b = np.split(a,3)
print (b)
print ('--------------------')
print ('将数组在一维数组中表明的位置分割：')
b = np.split(a,[4,7])
print (b)
运行结果：
numpy.hsplit 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
import numpy as np
harr = np.floor(10 * np.random.random((2, 6)))
print ('原array：')
print(harr)
print ('--------------------')
print ('hsplit拆分后：')
print(np.hsplit(harr, 3))
运行结果：
numpy.hsplit 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
import numpy as np
a = np.arange(16).reshape(4,4)
print ('第一个数组：')
print (a)
print ('--------------------')
print ('竖直分割：')
b = np.vsplit(a,2)
print (b)
运行结果：
数组元素添加与删除
| 函数 | 描述 |
|---|---|
| resize | 返回指定形状的新数组 |
| append | 将值添加到数组末尾 |
| insert | 沿指定轴将值插入到指定下标之前 |
| delete | 删掉某个轴的子数组，并返回删除后的新数组 |
| unique | 查找数组内的唯一元素 |
numpy.resize 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
numpy.resize(arr, shape)
arr：要修改大小的数组shape：返回数组的新形状
import numpy as np
a = np.array([[1,2,3],[4,5,6]])
print ('第一个数组：')
print (a)
print ('--------------------')
print ('第一个数组的形状：')
print (a.shape)
print ('--------------------')
b = np.resize(a, (3,2))
print ('第二个数组：')
print (b)
print ('--------------------')
print ('第二个数组的形状：')
print (b.shape)
print ('--------------------')
# 要注意 a 的第一行在 b 中重复出现，因为尺寸变大了
print ('修改第二个数组的大小：')
b = np.resize(a,(3,3))
print (b)
运行结果：
numpy.append 在数组的末尾添加值，输入数组的维度必须匹配
numpy.append(arr, values, axis=None)
-
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=1时，行数要相同。当axis=0时，列数要相同。
import numpy as np
a = np.array([[1,2,3],[4,5,6]])
print ('第一个数组：')
print (a)
print ('--------------------')
print ('向数组添加元素：')
print (np.append(a, [7,8,9]))
print ('--------------------')
print ('沿轴 0 添加元素：')
print (np.append(a, [[7,8,9]],axis = 0))
print ('--------------------')
print ('沿轴 1 添加元素：')
print (np.append(a, [[5,5,5],[7,8,9]],axis = 1))
运行结果：
numpy.insert 在给定索引之前，沿给定轴在输入数组中插入值
numpy.insert(arr, obj, values, axis)
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
import numpy as np
a = np.array([[1,2],[3,4],[5,6]])
print ('第一个数组：')
print (a)
print ('--------------------')
print ('未传递 Axis 参数。 在插入之前输入数组会被展开。')
print (np.insert(a,3,[11,12]))
print ('--------------------')
print ('传递了 Axis 参数。 会广播值数组来配输入数组。')
print ('沿轴 0 广播：')
print (np.insert(a,1,[11],axis = 0))
print ('--------------------')
print ('沿轴 1 广播：')
print (np.insert(a,1,11,axis = 1))
运行结果：
numpy.delete 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
Numpy.delete(arr, obj, axis)
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
import numpy as np
a = np.arange(12).reshape(3,4)
print ('第一个数组：')
print (a)
print ('--------------------')
print ('未传递 Axis 参数。 在插入之前输入数组会被展开。')
print (np.delete(a,5))
print ('--------------------')
print ('删除第二列：')
print (np.delete(a,1,axis = 1))
print ('--------------------')
print ('包含从数组中删除的替代值的切片：')
a = np.array([1,2,3,4,5,6,7,8,9,10])
print (np.delete(a, np.s_[::2]))
运行结果：
numpy.unique 去除数组中的重复元素
numpy.unique(arr, return_index, return_inverse, return_counts)
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
import numpy as np
a = np.array([5,2,6,2,7,5,6,8,2,9])
print ('第一个数组：')
print (a)
print ('--------------------')
print ('第一个数组的去重值：')
u = np.unique(a)
print (u)
print ('--------------------')
print ('去重数组的索引数组：')
u,indices = np.unique(a, return_index = True)
print (indices)
print ('--------------------')
print ('我们可以看到每个和原数组下标对应的数值：')
print (a)
print ('--------------------')
print ('去重数组的下标：')
u,indices = np.unique(a,return_inverse = True)
print (u)
print ('--------------------')
print ('下标为：')
print (indices)
print ('--------------------')
print ('使用下标重构原数组：')
print (u[indices])
print ('--------------------')
print ('返回去重元素的重复数量：')
u,indices = np.unique(a,return_counts = True)
print (u)
print (indices)
运行结果：
