resize

numpy.resize(arr, shape)

import numpy as np
a = np.array([[1, 2, 3], [4, 5, 6]])
print(a)
# a数组的形状
print(a.shape)
b = np.resize(a, (3, 2))
# b数组
print(b)
# b数组的形状
print(b.shape)
# 修改b数组使其形状大于原始数组
b = np.resize(a, (4, 3))
print(b)
# 输出结果如下：
"""
[[1 2 3]
 [4 5 6]]
(2, 3)
[[1 2]
 [3 4]
 [5 6]]
(3, 2)
[[1 2 3]
 [4 5 6]
 [1 2 3]
 [4 5 6]]
"""

resize()和reshape()的区别

• resize()仅对原数组进行修改，没有返回值；
• reshape()不仅对原数组进行修改，同时返回修改后的结果。

  arr.resize(新数组维度)
  或
  arr.reshape(新数组维度)

  append追加

  在数组末尾添加值，默认返回一个一维数组，由**axis**参数决定。 ```python numpy.append(arr, values, axis=None)

其中：

• arr：输入的数组
• values：向arr中添加的值，需要与arr数组的形状保持一致
• axis：默认为None，返回的是一维数组； 当axis=0时，追加的值会被添加到行；当axis=1时，追加的值被添加到列 python import numpy as np

a = np.array([[1,2,3],[4,5,6]])

向数组a添加元素

print (np.append(a, [7,8,9]))

沿轴 0 添加元素

print (np.append(a, [[7,8,9]],axis = 0))

沿轴 1 添加元素

print (np.append(a, [[5,5,5],[7,8,9]],axis = 1))

输出结果如下：

“”” [1 2 3 4 5 6 7 8 9] [[1 2 3] [4 5 6] [7 8 9]] [[1 2 3 5 5 5] [4 5 6 7 8 9]] “””

<a name="pPf3C"></a>
# `insert`插入
表示沿指定的轴，**在给定索引值的前一个位置插入相应的值**，如果**没有提供轴**，则**输入数组被展开为一位数组**。
```python
numpy.insert(arr, obj, values, axis)
其中：
* arr：要输入的数组
* obj：表示索引值，在该索引值之前插入values值
* values：要插入的值
* axis：指定轴，未提供，输入数组会被展开为一位数组

import numpy as np
a = np.array([[1, 2], [3, 4], [5, 6]])
# 不提供axis的情况，会将数组展开
print(np.insert(a, 3, [11, 12]))
# 沿轴 0 垂直方向
print(np.insert(a, 1, [11], axis=0))
# 沿轴 1 水平方向
print(np.insert(a, 1, [11], axis=1))
# 输出结果如下：
"""
[ 1  2  3 11 12  4  5  6]
[[ 1  2]
 [11 11]
 [ 3  4]
 [ 5  6]]
[[ 1 11  2]
 [ 3 11  4]
 [ 5 11  6]]
"""

delete删除

该方法表示从输入数组中删除指定的子数组，并返回一个新数组。

• 与insert()方法类似，若不提供**axis**参数，则输入数组被展开为一维数组。 ```python numpy.delete(arr, obj, axis)

其中：

• arr：要输入的数组
• obj：整数或整数数组，表示要被删除数组元素或子数组
• axis：沿着哪条轴删除子数组 python import numpy as np

a = np.arange(12).reshape(3, 4)

a数组

print(a)

不提供axis参数情况

print(np.delete(a, 5))

删除第二列

print(np.delete(a, 1, axis=1))

删除经切片后的数组

a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10]) print(np.delete(a, np.s_[::2]))

输出结果如下：

“”” [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] [ 0 1 2 3 4 6 7 8 9 10 11] [[ 0 2 3] [ 4 6 7] [ 8 10 11]] [ 2 4 6 8 10] “””

<a name="Ykrcf"></a>
# `argwhere`查找索引
该函数**返回数组中非**`**0**`**元素的索引**，**若是多维数组，则返回行、列索引组成的索引坐标**。
```python
import numpy as np
x = np.arange(6).reshape(2, 3)
print(x)
# 返回所有大于1的元素索引
y = np.argwhere(x > 1)
print(y)
# 输出结果如下：
"""
[[0 1 2]
 [3 4 5]]
[[0 2]
 [1 0]
 [1 1]
 [1 2]]
"""

unique去重

numpy.unique(arr, return_index, return_inverse, return_counts)
其中：
* arr：输入数组，若是多维数组则以一维数组形式展开；
* return_index：如果为 True，则返回新数组元素在原数组中的位置（索引）；
* return_inverse：如果为 True，则返回原数组元素在新数组中的位置（索引）；
* return_counts：如果为 True，则返回去重后的数组元素在原数组中出现的次数。

import numpy as np
a = np.array([5, 2, 6, 2, 7, 5, 6, 8, 2, 9])
print(a)
# 对a数组的去重
uq = np.unique(a)
print(uq)
# 数组去重后的索引数组
u, indices = np.unique(a, return_index=True)
# 打印去重后数组的索引
print(indices)
# 去重数组的下标：
ui, indices = np.unique(a, return_inverse=True)
print(ui)
# 打印下标
print(indices)
# 返回去重元素的重复数量
uc, indices = np.unique(a, return_counts=True)
print(uc)
# 元素出现次数：
print(indices)
# 输出结果如下：
"""
[5 2 6 2 7 5 6 8 2 9]
[2 5 6 7 8 9]
[1 0 2 4 7 9]
[2 5 6 7 8 9]
[1 0 2 0 3 1 2 4 0 5]
[2 5 6 7 8 9]
[3 2 2 1 1 1]
"""