|
各位客官姥爷好，欢迎回来。上节我们了解了numpy数组的属性以及浅拷贝和深拷贝，这节我们来看看数组的其他用法。 01 改变数组的维度 0. 声明一个numpy的数组 x = np.random.randint(1,10,(3,4))xarray([[6, 3, 5, 8], [7, 9, 9, 2], [7, 8, 8, 9]]) 1. 改为一维数组 这里有两种方法： 1）flatten( order='C' )方法 y = x.flatten()print(y)y[0] = 1print(y)print(x)[6 3 5 8 7 9 9 2 7 8 8 9] [1 3 5 8 7 9 9 2 7 8 8 9] [[6 3 5 8] [7 9 9 2] [7 8 8 9]] 2）ravel([order])方法 y = x.ravel()print(y)y[0] = 1print(y)print(x)[6 3 5 8 7 9 9 2 7 8 8 9] [1 3 5 8 7 9 9 2 7 8 8 9] [[1 3 5 8] [7 9 9 2] [7 8 8 9]] 这里特别注意，当使用ravel时，修改新对象的值，源对象的值也会改变。 2. 改为其他维数的数组 这里同样有两种方法： 1）reshape( shape , order='C' ) 方法 x = np.random.randint(1,10,(2,6))print(x)m = x.reshape((3,4))print(m)m[0,1] = 88print(m)print(x)[[2 6 9 5 4 1] [4 6 1 3 4 9]] [[2 6 9 5] [4 1 4 6] [1 3 4 9]] [[ 2 88 9 5] [ 4 1 4 6] [ 1 3 4 9]] [[ 2 88 9 5 4 1] [ 4 6 1 3 4 9]] 同样，需要注意：更改新对象的元素，源对象的也会改变。 2）resize( new_shape , refcheck=True )方法 resize方法直接在源数组上更改。 x = np.random.randint(1,10,(2,6))print(x)#在这里赋值给y，y直接返回None。y = x.resize((3,4))print(x)print(y)[[8 3 1 1 5 6] [6 7 9 5 2 5]] [[8 3 1 1] [5 6 6 7] [9 5 2 5]] None 02 数组索引相关 1.根据索引取值 take(indices, axis=None, out=None, mode='raise')方法 x = np.random.randint(1,10,(2,6))print(x)y = x.take([[1,2],[7,8]])print(y)[[4 7 9 1 9 6] [1 7 6 4 2 9]] [[7 9] [7 6]] 如果不使用axis参数的话，默认把数组展开成一维。 x = np.random.randint(1,10,(2,6))print(x)y = x.take([[1,2],[4,5]], axis=1)print(y)[[3 2 2 3 2 5] [3 6 6 6 3 6]] [[[2 2] [2 5]] [[6 6] [3 6]]] x = np.random.randint(1,10,(2,6))print(x)y = x.take([[1,2],[4,5]], axis=0)print(y)更改axis=0，直接报错超出范围 IndexError: index 2 is out of bounds for size 2 可修改mode参数来避免报错，有三种可选参数：{'raise', 'wrap', 'clip'}。 --raise表示抛出异常（默认） --wrap表示索引超出范围对数据进行环绕，环绕也就是重复使用，一轮用完，第二轮接着上。 x = np.random.randint(1,10,(5,6))print(x)y = x.take([[1,2],[4,5]], axis=0,mode='wrap')print(y)[[4 4 9 6 6 7] [1 8 6 2 6 7] [7 9 8 6 4 3] [4 3 6 5 2 6] [9 4 6 9 5 2]] [[[1 8 6 2 6 7] [7 9 8 6 4 3]] [[9 4 6 9 5 2] [4 4 9 6 6 7]]] --clip：表示超出下标的部分，全部用最后一个。 x = np.random.randint(1,10,(5,6))print(x)y = x.take([[1,2],[4,5]], axis=0,mode='clip')print(y)[[8 9 2 3 2 2] [8 6 1 5 2 2] [7 7 1 3 4 8] [3 5 1 7 3 5] [8 4 1 6 5 1]] [[[8 6 1 5 2 2] [7 7 1 3 4 8]] [[8 4 1 6 5 1] [8 4 1 6 5 1]]] 2.根据索引替换值 put(indices, values, mode='raise')方法 x = np.random.randint(1,10,(2,6))print(x)y = x.put([[1,2],[3,4]],-5,mode='clip')print(x)print(y)[[3 4 4 5 2 7] [3 6 5 2 6 5]] [[ 3 -5 -5 -5 -5 7] [ 3 6 5 2 6 5]] None 需要特别留意的是：这里是直接在源对象上更改，赋值的话返回的结果会是None。 要说起来从源对象上直接更改，这里也可以使用切片用法。 x = np.random.randint(1,10,(2,6))print(x)x[0,:3:1] = 0print(x)x[0:4:1,1] = 10print(x)[[9 9 4 3 1 8] [5 7 1 6 4 4]] [[0 0 0 3 1 8] [5 7 1 6 4 4]] [[ 0 10 0 3 1 8] [ 5 10 1 6 4 4]] 03 数组的排序 1. 对数组进行排序 sort(axis=-1,kind=None,order=None)用法 axis默认值是-1，表示沿最后一个轴排序。 kind有{'quicksort'、'mergesort'、'heapsort'、'stable'}四种可选排序算法：quicksort快排（默认），mergesort归并排序，heapsort堆排序，stable稳定排序。 x = np.random.randint(1,10,(2,6))print(x)y = x.sort(axis=1)print(x)print(y)[[2 2 2 8 1 1] [3 2 5 7 1 7]] [[1 1 2 2 2 8] [1 2 3 5 7 7]] None 可以看到这里同样是直接更改源对象。如果不想直接更改源对象，有什么办法吗？我们接着往下看。 2. 返回排序的索引 argsort(axis=- 1, kind=None, order=None)方法 x = np.random.randint(1,10,(2,6))print(x)y = x.argsort()print(y)[[1 2 9 4 6 1] [2 2 4 8 4 8]] [[0 5 1 3 4 2] [0 1 2 4 3 5]] 看到这里返回的索引，是不是对我们上面的提问有了些头绪：我们前面刚好又讲过take的用法（可以根据索引返回值）。思路有了，这就开干。 x = np.random.randint(1,10,(2,6))print(x)y = x.argsort(axis = 1)print('******')print(y)z = x.take(y,axis = 1)print('******')print(z)[[3 9 1 9 7 3] [7 6 4 8 9 4]] ****** [[2 0 5 4 1 3] [2 5 1 0 3 4]] ****** [[[1 3 3 7 9 9] [1 3 9 3 9 7]] [[4 7 4 9 6 8] [4 4 6 7 8 9]]] 但结果有点出乎意料，相当于源数组的每行都使用了索引一次。那有没有按照轴返回数组的方法呢？还真有（首先，在这里需要感谢这些numpy的开发人员，满足我们的各种需求），具体用法是： numpy.take_along_axis(arr, indices, axis) arr参数就是数组，indices就是索引，话不多说开干。 x = np.random.randint(1,10,(2,6))print(x)y = x.argsort(axis = 1)print('******')print(y)z = np.take_along_axis(x,y,axis = 1)print('******')print(z)[[9 9 5 5 2 1] [8 7 3 2 1 7]] ****** [[5 4 2 3 0 1] [4 3 2 1 5 0]] ****** [[1 2 5 5 9 9] [1 2 3 7 7 8]] 结果正确，over！ 3. 按某些序列进行排序 np.lexsort(keys, axis=- 1)方法，注意ndarray没有lexsort方法。 这里的key加s，表示可以多个，以最后一个为第一排序依据。 x = np.array([1,2,2,3,4,6,6,7])y = np.array([9,0,3,1,2,6,5,0])np.lexsort((y,x))通过结果可以看出，对x进行排序，如果x相同的部分，则以y为排序依据。 array([0, 1, 2, 3, 4, 6, 5, 7], dtype=int64) 4.搜索排序 searchsorted(v, side='left', sorter=None)方法 返回小于或等于v值的值的索引位置。 x = np.array([9,0,3,1,2,6,5,0])x.searchsorted(3,side='right')5 side中的right/left其实就相当于开区间还是闭区间。 以上就是本次的分享，欢迎各位客官姥爷关注我，方便您第一次时间收到【干货】！ |
|
|
