Манипулирование массивами NumPy

NumPy содержит некоторые функции для обработки массивов, которые можно условно разделить на следующие категории:

Изменение формы массива

Функция	Описание
`reshape`	Изменение формы без изменения данных
`flat`	Итератор элементов массива
`flatten`	Вернуть копию массива. Изменения, внесённые в копию, не повлияют на исходный массив.
`ravel`	Вернуть плоский массив

numpy.reshape

Функция numpy.reshape может изменять форму без изменения данных. Формат следующий:

numpy.reshape(arr, newshape, order='C')

arr: Массив, форму которого нужно изменить
newshape: Целое число или массив целых чисел. Новая форма должна быть совместима с исходной формой.
order: 'C' -- по строкам, 'F' -- по столбцам, 'A' -- исходный порядок, 'k' -- порядок, в котором элементы располагаются в памяти.

Пример

import numpy as np a = np.arange(8) print ('Исходный массив:') print (a) print ('\n') b = a.reshape(4,2) print ('Изменённый массив:') print (b)

Вывод следующий:

原始数组：
[0 1 2 3 4 5 6 7]

修改后的数组：
[[0 1]
 [2 3]
 [4 5]
 [6 7]]

numpy.ndarray.flat

numpy.ndarray.flat — это итератор элементов массива. Пример:

Пример

import numpy as np a = np.arange(9).reshape(3,3) print ('Исходный массив:') for row in a: print (row) # Чтобы обработать каждый элемент массива, можно использовать атрибут flat, который является итератором элементов массива: print ('Массив после итерации:') for element in a.flat: print (элемент)

Вывод следующий:

原始数组：
[0 1 2]
[3 4 5]
[6 7 8]
迭代后的数组：
0
1
2
3
4
5
6
7
8

numpy.ndarray.flatten

numpy.ndarray.flatten возвращает копию массива. Изменения, сделанные в копии, не повлияют на исходный массив. Формат следующий:

ndarray.flatten(order='C')

Описание параметра:

order: 'C' -- по строкам, 'F' -- по столбцам, 'A' -- исходный порядок, 'K' -- порядок, в котором элементы располагаются в памяти.

Пример

import numpy as np a = np.arange(8).reshape(2,4) print ('Исходный массив:') print (a) print ('\n') # По умолчанию — по строкам print ('Уплощённый массив:') print (a.flatten()) print ('\n') print ('Массив, уплощённый в порядке F-style:') print (a.flatten(order = 'F'))

Вывод следующий:

原数组：
[[0 1 2 3]
 [4 5 6 7]]


展开的数组：
[0 1 2 3 4 5 6 7]


以 F 风格顺序展开的数组：
[0 4 1 5 2 6 3 7]

numpy.ravel

numpy.ravel() уплощает элементы массива, обычно в порядке 'C style'. Он возвращает представление массива (view, несколько похожее на ссылку в C/C++). Изменения затронут исходный массив.

Эта функция принимает два параметра:

numpy.ravel(a, order='C')

Описание параметра:

order: 'C' -- по строкам, 'F' -- по столбцам, 'A' -- исходный порядок, 'K' -- порядок, в котором элементы располагаются в памяти.

Пример

import numpy as np a = np.arange(8).reshape(2,4) print ('Исходный массив:') print (a) print ('\n') print ('После вызова функции ravel:') print (a.ravel()) print ('\n') print ('После вызова функции ravel в порядке F-style:') print (a.ravel(order = 'F'))

Вывод следующий:

原数组：
[[0 1 2 3]
 [4 5 6 7]]


调用 ravel 函数之后：
[0 1 2 3 4 5 6 7]


以 F 风格顺序调用 ravel 函数之后：
[0 4 1 5 2 6 3 7]

Переворот массива

Функция	Описание
`transpose`	Поменять местами размерности массива
`ndarray.T`	и`self.transpose()`То же самое
`rollaxis`	Прокрутить указанную ось назад
`swapaxes`	Поменять местами две оси массива

numpy.transpose

Функция numpy.transpose используется для перестановки размерностей массива. Формат следующий:

numpy.transpose(arr, axes)

Описание параметра:

arr: Массив, над которым выполняется операция
axes: Список целых чисел, соответствующий размерностям. Обычно все размерности меняются местами.

Пример

import numpy as np a = np.arange(12).reshape(3,4) print ('Исходный массив:') print (a ) print ('\n') print ('Транспонированный массив:') print (np.transpose(a))

Вывод следующий:

原数组：
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]


对换数组：
[[ 0  4  8]
 [ 1  5  9]
 [ 2  6 10]
 [ 3  7 11]]

numpy.ndarray.T аналогичен numpy.transpose:

Пример

import numpy as np a = np.arange(12).reshape(3,4) print ('Исходный массив:') print (a) print ('\n') print ('Транспонированный массив:') print (a.T)

Вывод следующий:

原数组：
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]


转置数组：
[[ 0  4  8]
 [ 1  5  9]
 [ 2  6 10]
 [ 3  7 11]]

numpy.rollaxis

Функция numpy.rollaxis перемещает указанную ось назад в определённую позицию. Формат следующий:

numpy.rollaxis(arr, axis, start)

Описание параметра:

arr: Массив
axis: Ось, которую нужно переместить назад. Относительные позиции остальных осей не изменятся.
start: По умолчанию равно нулю, что означает полный откат. Ось будет перемещена в определённую позицию.

Пример

import numpy as np # Создан трёхмерный ndarray a = np.arange(8).reshape(2,2,2) print ('Исходный массив:') print (a) print ('Получить значение в массиве:') print(np.where(a==6)) print(a[1,1,0]) # равно 6 print ('\n') # Прокрутить ось 2 к оси 0 (ширина в глубину) print ('Вызов функции rollaxis:') b = np.rollaxis(a,2,0) print (b) # Просмотреть элемент a[1,1,0], то есть координата 6 становится [0, 1, 1] # Последний 0 перемещается в начало print(np.where(b==6)) print ('\n') # Прокрутить ось 2 к оси 1: (ширина в высоту) print ('Вызов функции rollaxis:') c = np.rollaxis(a,2,1) print (c) # Просмотр элемента a[1,1,0], т. е. координата значения 6, становится [1, 0, 1] # Последний 0 меняется местами с 1 перед ним print(np.where(c==6)) print ('\n')

Вывод следующий:

原数组：
[[[0 1]
  [2 3]]

 [[4 5]
  [6 7]]]
获取数组中一个值：
(array([1]), array([1]), array([0]))
6


调用 rollaxis 函数：
[[[0 2]
  [4 6]]

 [[1 3]
  [5 7]]]
(array([0]), array([1]), array([1]))


调用 rollaxis 函数：
[[[0 2]
  [1 3]]

 [[4 6]
  [5 7]]]
(array([1]), array([0]), array([1]))

numpy.swapaxes

Функция numpy.swapaxes используется для перестановки двух осей массива. Формат следующий:

numpy.swapaxes(arr, axis1, axis2)

arr: Входной массив
axis1: Целое число, соответствующее первой оси
axis2: Целое число, соответствующее второй оси

Пример

import numpy as np # Создан трёхмерный ndarray a = np.arange(8).reshape(2,2,2) print ('Исходный массив:') print (a) print ('\n') # Теперь поменяем местами ось 0 (направление глубины) и ось 2 (направление ширины) print ('Массив после вызова функции swapaxes:') print (np.swapaxes(a, 2, 0))

Вывод следующий:

原数组：
[[[0 1]
  [2 3]]

 [[4 5]
  [6 7]]]


调用 swapaxes 函数后的数组：
[[[0 4]
  [2 6]]

 [[1 5]
  [3 7]]]

Изменение размерностей массива

Измерение	Описание
`broadcast`	Создать объект, имитирующий широковещание
`broadcast_to`	Транслировать массив в новую форму
`expand_dims`	Расширить форму массива
`squeeze`	Удалить одномерные элементы из формы массива

numpy.broadcast

numpy.broadcast — это объект, используемый для имитации broadcasting. Он возвращает объект, который инкапсулирует результат broadcasting одного массива в другой.

Эта функция использует два массива в качестве входных параметров, как в следующем примере:

Пример

import numpy as np x = np.array([[1], [2], [3]]) y = np.array([4, 5, 6]) # Выполнить broadcast x относительно y b = np.broadcast(x,y) # У него есть атрибут iterator, основанный на кортеже итератора его собственных компонентов print ('Broadcast x относительно y:') r,c = b.iters # В Python3.x это next(context), в Python2.x это context.next() print (next(r), next(c)) print (next(r), next(c)) print ('\n') # Атрибут shape возвращает форму объекта broadcast print ('Форма объекта broadcast:') print (b.shape) print ('\n') # Вручную использовать broadcast для сложения x и y b = np.broadcast(x,y) c = np.empty(b.shape) print ('Вручную сложите x и y, используя broadcast:') print (c.shape) print ('\n') c.flat = [u + v for (u,v) in b] print ('Вызовите функцию flat:') print (c) print ('\n') # Это даёт тот же результат, что и встроенная поддержка broadcast в NumPy print ('Сумма x и y:') print (x + y)

Вывод:

对 y 广播 x：
1 4
1 5


广播对象的形状：
(3, 3)


手动使用 broadcast 将 x 与 y 相加：
(3, 3)


调用 flat 函数：
[[5. 6. 7.]
 [6. 7. 8.]
 [7. 8. 9.]]


x 与 y 的和：
[[5 6 7]
 [6 7 8]
 [7 8 9]]

numpy.broadcast_to

Функция numpy.broadcast_to выполняет broadcast массива в новую форму. Она возвращает представление исходного массива, доступное только для чтения. Обычно оно не является непрерывным. Если новая форма не соответствует правилам broadcasting NumPy, функция может выбросить ValueError.

numpy.broadcast_to(array, shape, subok)

Пример

import numpy as np a = np.arange(4).reshape(1,4) print ('Исходный массив:') print (a) print ('\n') print ('После вызова функции broadcast_to:') print (np.broadcast_to(a,(4,4)))

Вывод:

原数组：
[[0 1 2 3]]


调用 broadcast_to 函数之后：
[[0 1 2 3]
 [0 1 2 3]
 [0 1 2 3]
 [0 1 2 3]]

numpy.expand_dims

Функция numpy.expand_dims расширяет форму массива, вставляя новую ось в указанной позиции. Формат функции следующий:

 numpy.expand_dims(arr, axis)

Описание параметра:

arr: Входной массив
axis: Позиция, в которую вставляется новая ось

Пример

import numpy as np x = np.array(([1,2],[3,4])) print ('Массив x:') print (x) print ('\n') y = np.expand_dims(x, axis = 0) print ('Массив y:') print (y) print ('\n') print ('Формы массивов x и y:') print (x.shape, y.shape) print ('\n') # Вставить ось в позицию 1 y = np.expand_dims(x, axis = 1) print ('Массив y после вставки оси в позицию 1:') print (y) print ('\n') print ('x.ndim и y.ndim:') print (x.ndim,y.ndim) print ('\n') print ('x.shape и y.shape:') print (x.shape, y.shape)

Результат вывода:

数组 x：
[[1 2]
 [3 4]]


数组 y：
[[[1 2]
  [3 4]]]


数组 x 和 y 的形状：
(2, 2) (1, 2, 2)


在位置 1 插入轴之后的数组 y：
[[[1 2]]

 [[3 4]]]


x.ndim 和 y.ndim：
2 3


x.shape 和 y.shape：
(2, 2) (2, 1, 2)

numpy.squeeze

Функция numpy.squeeze удаляет единичные размерности из формы заданного массива. Формат функции следующий:

numpy.squeeze(arr, axis)

Описание параметра:

arr: входной массив
axis: целое число или кортеж целых чисел, используемый для выбора подмножества единичных размерностей в форме

Пример

import numpy as np x = np.arange(9).reshape(1,3,3) print ('Массив x:') print (x) print ('\n') y = np.squeeze(x) print ('Массив y:') print (y) print ('\n') print ('Формы массивов x и y:') print (x.shape, y.shape)

Результат вывода:

数组 x：
[[[0 1 2]
  [3 4 5]
  [6 7 8]]]


数组 y：
[[0 1 2]
 [3 4 5]
 [6 7 8]]


数组 x 和 y 的形状：
(1, 3, 3) (3, 3)

Объединение массивов

Функция	Описание
`concatenate`	Объединяет последовательность массивов вдоль существующей оси.
`stack`	Объединяет последовательность массивов вдоль новой оси.
`hstack`	Объединяет массивы в последовательность по горизонтали (в направлении столбцов).
`vstack`	Объединяет массивы в последовательность по вертикали (в направлении строк).

numpy.concatenate

Функция numpy.concatenate используется для объединения двух или более массивов одинаковой формы вдоль заданной оси. Формат следующий:

numpy.concatenate((a1, a2, ...), axis)

Описание параметра:

a1, a2, ...: массивы одного типа
axis: ось, вдоль которой объединяются массивы; по умолчанию — 0

Пример

import numpy as np a = np.array([[1,2],[3,4]]) print ('Первый массив:') print (a) print ('\n') b = np.array([[5,6],[7,8]]) print ('Второй массив:') print (b) print ('\n') # Два массива имеют одинаковые размерности print ('Объединить два массива вдоль оси 0:') print (np.concatenate((a,b))) print ('\n') print ('Объединить два массива вдоль оси 1:') print (np.concatenate((a,b),axis = 1))

Результат вывода:

第一个数组：
[[1 2]
 [3 4]]


第二个数组：
[[5 6]
 [7 8]]


沿轴 0 连接两个数组：
[[1 2]
 [3 4]
 [5 6]
 [7 8]]


沿轴 1 连接两个数组：
[[1 2 5 6]
 [3 4 7 8]]

numpy.stack

Функция numpy.stack используется для объединения последовательности массивов вдоль новой оси. Формат следующий:

numpy.stack(arrays, axis)

Описание параметра:

arraysПоследовательность массивов одинаковой формы
axis: ось в возвращаемом массиве, вдоль которой объединяются входные массивы

Пример

import numpy as np a = np.array([[1,2],[3,4]]) print ('Первый массив:') print (a) print ('\n') b = np.array([[5,6],[7,8]]) print ('Второй массив:') print (b) print ('\n') print ('Объедините два массива вдоль оси 0:') print (np.stack((a,b),0)) print ('\n') print ('Объедините два массива вдоль оси 1:') print (np.stack((a,b),1))

Результат вывода следующий:

第一个数组：
[[1 2]
 [3 4]]


第二个数组：
[[5 6]
 [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]]]

numpy.hstack

numpy.hstack — удобная обёртка над numpy.concatenate, используемая для горизонтального объединения массивов вдоль второй оси (axis=1).

numpy.hstack рассматривает одномерные массивы как векторы-столбцы при конкатенации, что эквивалентно numpy.concatenate([numpy.atleast_1d(arr) for arr in arrays], axis=1) (когда все массивы имеют размерность ≥2, они напрямую конкатенируются вдоль axis=1).

Пример

import numpy as np a = np.array([[1,2],[3,4]]) print ('Первый массив:') print (a) print ('\n') b = np.array([[5,6],[7,8]]) print ('Второй массив:') print (b) print ('\n') print ('Горизонтальное объединение:') c = np.hstack((a,b)) print (c) print ('\n')

Результат вывода следующий:

第一个数组：
[[1 2]
 [3 4]]


第二个数组：
[[5 6]
 [7 8]]


水平堆叠：
[[1 2 5 6]
 [3 4 7 8]]

numpy.vstack

numpy.vstack — удобная обёртка над numpy.concatenate, используемая для вертикального объединения массивов вдоль первой оси (axis=0).

numpy.vstack автоматически преобразует одномерные массивы в двумерные векторы-строки, а затем объединяет их по вертикали, что эквивалентно numpy.concatenate([numpy.atleast_2d(arr) for arr in arrays], axis=0).

Пример

Результат вывода:

第一个数组：
[[1 2]
 [3 4]]


第二个数组：
[[5 6]
 [7 8]]


竖直堆叠：
[[1 2]
 [3 4]
 [5 6]
 [7 8]]

Разделение массивов

Функция	Массив и операция
`split`	Разделить массив на несколько подмассивов.
`hsplit`	Разделить массив горизонтально на несколько подмассивов (по столбцам).
`vsplit`	Разделить массив вертикально на несколько подмассивов (по строкам).

numpy.split

Функция numpy.split разбивает массив на подмассивы вдоль определенной оси. Формат следующий:

numpy.split(ary, indices_or_sections, axis)

Описание параметра:

ary: массив, который нужно разбить
indices_or_sections: если это целое число, массив разбивается на это число равных частей; если это массив, он задает позиции вдоль оси, по которым нужно разбить (левый открытый, правый закрытый).
axis: задает направление, вдоль которого нужно разбить. По умолчанию 0 — горизонтальное разбиение, т.е. горизонтальное направление. Если 1 — вертикальное разбиение, т.е. вертикальное направление.

Пример

import numpy as np a = np.arange(9) print ('Первый массив:') print (a) print ('\n') print ('Разделить массив на три подмассива одинакового размера:') b = np.split(a,3) print (b) print ('\n') print ('Разбить массив по позициям, указанным в одномерном массиве:') b = np.split(a,[4,7]) print (b)

Результат вывода:

第一个数组：
[0 1 2 3 4 5 6 7 8]


将数组分为三个大小相等的子数组：
[array([0, 1, 2]), array([3, 4, 5]), array([6, 7, 8])]


将数组在一维数组中表明的位置分割：
[array([0, 1, 2, 3]), array([4, 5, 6]), array([7, 8])]

Когда axis равен 0, разбиение выполняется в горизонтальном направлении; когда axis равен 1 — в вертикальном направлении:

Пример

import numpy as np

a = np.arange(16).reshape(4, 4)
print('Первый массив:')
print(a)
print('\n')
print('Разбиение по умолчанию (axis 0):')
b = np.split(a,2)
print(b)
print('\n')

print('Разбиение вдоль горизонтального направления:')
c = np.split(a,2,1)
print(c)
print('\n')

print('Разбиение вдоль горизонтального направления:')
d= np.hsplit(a,2)
print(d)

Результат вывода:

第一个数组：
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 14 15]]


默认分割（0轴）：
[array([[0, 1, 2, 3],
       [4, 5, 6, 7]]), array([[ 8,  9, 10, 11],
       [12, 13, 14, 15]])]


沿水平方向分割：
[array([[ 0,  1],
       [ 4,  5],
       [ 8,  9],
       [12, 13]]), array([[ 2,  3],
       [ 6,  7],
       [10, 11],
       [14, 15]])]


沿水平方向分割：
[array([[ 0,  1],
       [ 4,  5],
       [ 8,  9],
       [12, 13]]), array([[ 2,  3],
       [ 6,  7],
       [10, 11],
       [14, 15]])]

numpy.hsplit

Функция numpy.hsplit используется для разделения массива по горизонтали путем указания количества возвращаемых массивов одинаковой формы.

Пример

import numpy as np harr = np.floor(10 * np.random.random((2, 6))) print ('Исходный массив:') print(harr) print ('После разделения:') print(np.hsplit(harr, 3))

Результат вывода:

原array：
[[4. 7. 6. 3. 2. 6.]
 [6. 3. 6. 7. 9. 7.]]
拆分后：
[array([[4., 7.],
       [6., 3.]]), array([[6., 3.],
       [6., 7.]]), array([[2., 6.],
       [9., 7.]])]

numpy.vsplit

numpy.vsplit выполняет разбиение по вертикальной оси, и его метод разбиения такой же, как использование hsplit.

Пример

import numpy as np a = np.arange(16).reshape(4,4) print ('Первый массив:') print (a) print ('\n') print ('Вертикальное разбиение:') b = np.vsplit(a,2) print (b)

Результат вывода:

第一个数组：
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 14 15]]


竖直分割：
[array([[0, 1, 2, 3],
       [4, 5, 6, 7]]), array([[ 8,  9, 10, 11],
       [12, 13, 14, 15]])]

Добавление и удаление элементов массива

Функция	Элемент и описание
`resize`	Возвращает новый массив указанной формы.
`append`	Добавить значения в конец массива.
`insert`	Вставить значения перед указанными индексами вдоль указанной оси.
`delete`	Удалить подмассив вдоль определённой оси и вернуть новый массив после удаления.
`unique`	Найти уникальные элементы в массиве.

numpy.resize

Функция numpy.resize возвращает новый массив указанного размера.

Если новый массив больше исходного размера, он содержит копии элементов из исходного массива.

numpy.resize(arr, shape)

Описание параметра:

arr: массив, размер которого нужно изменить
shape: новая форма возвращаемого массива

Пример

import numpy as np a = np.array([[1,2,3],[4,5,6]]) print ('Первый массив:') print (a) print ('\n') print ('Форма первого массива:') print (a.shape) print ('\n') b = np.resize(a, (3,2)) print ('Второй массив:') print (b) print ('\n') print ('Форма второго массива:') print (b.shape) print ('\n') # Обратите внимание, что первая строка a повторяется в b, потому что размер стал больше. print ('Измените размер второго массива:') b = np.resize(a,(3,3)) print (b)

Результат вывода:

第一个数组：
[[1 2 3]
 [4 5 6]]


第一个数组的形状：
(2, 3)


第二个数组：
[[1 2]
 [3 4]
 [5 6]]


第二个数组的形状：
(3, 2)


修改第二个数组的大小：
[[1 2 3]
 [4 5 6]
 [1 2 3]]

numpy.append

Функция numpy.append добавляет значения в конец массива. Операция append выделяет память под весь массив и копирует исходный массив в новый массив. Кроме того, размерности входных массивов должны совпадать; в противном случае будет вызвана ошибка ValueError.

Функция append всегда возвращает одномерный массив.

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

Описание параметра:

arr: входной массив
values: к чему добавлятьarrДобавляемое значение должно бытьarrтой же формы (кроме оси, по которой добавляется)
axis: по умолчанию None. Если axis не указан, выполняется горизонтальное добавление, и возвращаемый результат всегда одномерный массив! Если axis указан, это соответственно 0 и 1. Если axis указан, это соответственно 0 и 1 (количество столбцов должно совпадать). Если axis равен 1, массив добавляется справа (количество строк должно совпадать).

Пример

import numpy as np a = np.array([[1,2,3],[4,5,6]]) print ('Первый массив:') print (a) print ('\n') print ('Добавить элементы в массив:') print (np.append(a, [7,8,9])) print ('\n') print ('Добавить элементы вдоль оси 0:') print (np.append(a, [[7,8,9]],axis = 0)) print ('\n') print ('Добавить элементы вдоль оси 1:') print (np.append(a, [[5,5,5],[7,8,9]],axis = 1))

Результат вывода:

第一个数组：
[[1 2 3]
 [4 5 6]]


向数组添加元素：
[1 2 3 4 5 6 7 8 9]


沿轴 0 添加元素：
[[1 2 3]
 [4 5 6]
 [7 8 9]]


沿轴 1 添加元素：
[[1 2 3 5 5 5]
 [4 5 6 7 8 9]]

numpy.insert

Функция numpy.insert вставляет значения во входной массив вдоль заданной оси перед заданными индексами.

Функция вставляет заданные значения или массивы в указанные позиции (или массив позиций), а затем возвращает новый массив. Вставляемые элементы могут быть скалярными значениями или массивами. Обратите внимание, что операция вставки возвращает новый массив и не изменяет исходный массив.

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

Описание параметра:

arr: входной массив
obj: индекс, перед которым вставляются значения
values: значения, которые нужно вставить
axis: ось, вдоль которой выполняется вставка; если не указана, входной массив уплощается.

Пример

import numpy as np a = np.array([[1,2],[3,4],[5,6]]) print ('Первый массив:') print (a) print ('\n') print ('Параметр axis не передан. Входной массив уплощается перед удалением.') print (np.insert(a,3,[11,12])) print ('\n') print ('Передан параметр Axis. Массив значений транслируется, чтобы соответствовать входному массиву.') print ('Трансляция вдоль axis 0:') print (np.insert(a,1,[11],axis = 0)) print ('\n') print ('Трансляция вдоль axis 1:') print (np.insert(a,1,11,axis = 1))

Результат вывода следующий:

第一个数组：
[[1 2]
 [3 4]
 [5 6]]


未传递 Axis 参数。 在删除之前输入数组会被展开。
[ 1  2  3 11 12  4  5  6]


传递了 Axis 参数。 会广播值数组来配输入数组。
沿轴 0 广播：
[[ 1  2]
 [11 11]
 [ 3  4]
 [ 5  6]]


沿轴 1 广播：
[[ 1 11  2]
 [ 3 11  4]
 [ 5 11  6]]

numpy.delete

Функция numpy.delete возвращает новый массив, из которого удалён указанный подмассив. Как и в функции insert(), если параметр axis не указан, входной массив преобразуется в одномерный.

Numpy.delete(arr, obj, axis)

Описание параметра:

arr: входной массив
obj: может быть срезом, целым числом или целочисленным массивом, указывающим подмассив, который нужно удалить из входного массива.
axis: ось, вдоль которой удаляется указанный подмассив; если не указана, входной массив преобразуется в одномерный.

Пример

import numpy as np a = np.arange(12).reshape(3,4) print ('Первый массив:') print (a) print ('\n') print ('Параметр Axis не передан. Входной массив преобразуется в одномерный перед вставкой.') print (np.delete(a,5)) print ('\n') print ('Удалить второй столбец:') print (np.delete(a,1,axis = 1)) print ('\n') print ('Срез, содержащий альтернативные значения для удаления из массива:') a = np.array([1,2,3,4,5,6,7,8,9,10]) print (np.delete(a, np.s_[::2]))

Результат вывода:

第一个数组：
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]


未传递 Axis 参数。 在插入之前输入数组会被展开。
[ 0  1  2  3  4  6  7  8  9 10 11]


删除第二列：
[[ 0  2  3]
 [ 4  6  7]
 [ 8 10 11]]


包含从数组中删除的替代值的切片：
[ 2  4  6  8 10]

numpy.unique

Функция numpy.unique используется для удаления дублирующихся элементов из массива.

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

arr: входной массив; если он не является одномерным массивом, он будет уплощён.
return_index: если этоtrue, вернуть позиции (индексы) элементов нового списка в старом списке и сохранить их в виде списка.
return_inverse: если этоtrueВозвращает позиции (индексы) элементов старого списка в новом списке и сохраняет их в виде списка.
return_countsЕсли он равенtrueВозвращает количество вхождений элементов дедуплицированного массива в исходном массиве

Пример

import numpy as np a = np.array([5,2,6,2,7,5,6,8,2,9]) print ('Первый массив:') print (a) print ('\n') print ('Дедуплицированные значения первого массива:') u = np.unique(a) print (u) print ('\n') print ('Массив индексов дедуплицированного массива:') u,indices = np.unique(a, return_index = True) print (indices) print ('\n') print ('Мы видим, что каждое значение соответствует индексу исходного массива:') print (a) print ('\n') print ('Индексы массива после удаления дубликатов:') u,indices = np.unique(a,return_inverse = True) print (u) print ('\n') print ('Индексы:') print (indices) print ('\n') print ('Восстановите исходный массив с помощью индексов:') print (u[indices]) print ('\n') print ('Возвращает количество вхождений дедуплицированных элементов:') u,indices = np.unique(a,return_counts = True) print (u) print (indices)

Результат вывода:

第一个数组：
[5 2 6 2 7 5 6 8 2 9]


第一个数组的去重值：
[2 5 6 7 8 9]


去重数组的索引数组：
[1 0 2 4 7 9]


我们可以看到每个和原数组下标对应的数值：
[5 2 6 2 7 5 6 8 2 9]


去重数组的下标：
[2 5 6 7 8 9]


下标为：
[1 0 2 0 3 1 2 4 0 5]


使用下标重构原数组：
[5 2 6 2 7 5 6 8 2 9]


返回去重元素的重复数量：
[2 5 6 7 8 9]
[3 2 2 1 1 1]

Другие расширения