数组的添加删除去重

  1. import numpy as np

一、数组的添加

  1. #函数在数组的末尾添加值，追加操作会分配整个数组，并把原来的数组复制到新数组中
  2. #此外，输入# 数组的维度必须匹配否则将生成valueError
  3. #1、 np.append(arr,values,axis=None)
  4. '''
  5. 参数说明：
  6. arr : 输入数组
  7. values：要向arr添加的值，需要和arr形状相同（除了要添加的轴）
  8. axis：默认为None
  9. 当axis无定义的时，是横向加成，返回总是为一维数组！
  10. 当axis有定义是，分别为0和1的时候（列数要相同）
  11. '''
  12. a = np.array([[1,2,3],[4,5,6]])
  13. print(a)
  14. #向数组添加元素
  15. b = np.append(a,[7,8,9])  #返回一维数组
  16. print(b)
  17. #沿轴0 添加元素
  18. c = np.append(a,[[7,8,9]],axis=0)
  19. print(c)
  20. #沿轴1 添加元素：
  21. d = np.append(a,[[5,5,5],[7,8,9]],axis=1)
  22. print(d)
  1. [[1 2 3]
  2.  [4 5 6]]
  3. [1 2 3 4 5 6 7 8 9]
  4. [[1 2 3]
  5.  [4 5 6]
  6.  [7 8 9]]
  7. [[1 2 3 5 5 5]
  8.  [4 5 6 7 8 9]]
  1. #2、numpy.insert(arr,obj,values,axis)
  2. """
  3. 函数在给定索引之前，沿给定轴在输入数组中插入值。
  4. 如果值的类型转换为要插入，则它与输入数组不同。
  5. 插入没有原地的，函数会返回一个新数组。此外，如果未提供轴，啧输入数组会被展开
  6. """
  8. a = np.array([[1,2],[3,4],[5,6]])
  9. print(a)
  10. #未传递axis参数。在插入之前的数组会被展开
  11. b = np.insert(a,3,[11,12])  # 3是插入的位置
  12. print(b)
  14. #传递 axis参数。会广播值数组来配输入数组
  15. c = np.insert(a,1,[11,12],axis= 0)  #沿轴0 
  16. d = np.insert(a,1,11,axis=1)        #沿轴1
  17. print(c)
  18. print(d)
  1. [[1 2]
  2.  [3 4]
  3.  [5 6]]
  4. [ 1  2  3 11 12  4  5  6]
  5. [[ 1  2]
  6.  [11 12]
  7.  [ 3  4]
  8.  [ 5  6]]
  9. [[ 1 11  2]
  10.  [ 3 11  4]
  11.  [ 5 11  6]]

二、数组中的删除

  1. # numpy.delete(arr,obj,axis)
  2. #函数返回从输入数组中删除制定子数组的新数组。与insert()函数的情况一样，如果为提供轴参数，则输入数组将展开
  3. """
  4. 参数说明：
  5. arr: 输入数组
  6. obj：要沿制定轴删除子数组的索引，接受切片，整数嚯整数数组
  7. axis: 沿着它删除给定的子数组的轴，如果为提供，啧输入数组会被展开
  8. """
  9. a = np.arange(12).reshape(3,4)
  10. print(a)
  11. #未传递axis参数。在删除前输入数组会被展开
  12. b = np.delete(a,5)
  13. print(b)
  14. #删除每一行中的第二列
  15. c = np.delete(a,1,axis = 1)
  16. print(c)

三、数组去重

  1. # numpy.unique(arr,return_index,return_inverse,return_counts)
  2. """
  3. 参数说明：
  4. arr : 输入数组，如果不是一维数组则会展开
  5. return_index:如果为true，返回新列表元素在旧列表中的位置（下标），并以列表形式存储
  6. return_counts: 如果 为true，返回去重数组中的疏远在原数组中出现的次数
  7. """
  8. a = np.array([5,2,6,2,7,5,6,8,2,9])
  9. print(a)
  10. #第一个数组的去重值
  11. u  = np.unique(a)
  12. print(u)
  13. #去重数组的索引数组
  14. indices01 = np.unique(a,return_index=True)
  15. indices01
  16. #去重数组的下标
  17. indices02 =np.unique(a,return_inverse=True)
  18. indices02
  19. #返回去重元素的重复数量
  20. indices03 = np.unique(a,return_counts = True)
  21. indices03
  1. [5 2 6 2 7 5 6 8 2 9]
  2. [2 5 6 7 8 9]
  8. (array([2, 5, 6, 7, 8, 9]), array([3, 2, 2, 1, 1, 1], dtype=int64))