這篇文章主要介紹了Python數(shù)組變形的實現(xiàn)方法有哪些的相關(guān)知識，內(nèi)容詳細(xì)易懂，操作簡單快捷，具有一定借鑒價值，相信大家閱讀完這篇Python數(shù)組變形的實現(xiàn)方法有哪些文章都會有所收獲，下面我們一起來看看吧。

1.reshape

reshape是重塑，常用的三種寫法如下：

numpy.arange(n).reshape(a,b)
#依次生成n個自然數(shù)，并且以a行b列的數(shù)組形式顯示

numpy.arange(a,b,c)
#從數(shù)字a起,步長為c,到b結(jié)束，生成array

numpy.arange(a,b,c).reshape(m,n)
#將array的維度變?yōu)閙行n列。

例一：

importnumpyasnp
arr=np.arange(1,25.0).reshape(4,6)

關(guān)于order：
order可以是數(shù)組排序的方向不同
（1）order='F'列為主序
（2）order='C'行為主序

一種是以order='F'的方式讓數(shù)組豎著排序：

arr=np.arange(1,25.0).reshape((6,-1),order='F')

一種是以order='C'的方式讓數(shù)組橫著排序：

arr=np.arange(1,25.0).reshape((6,-1),order='C')

reshape與flattern:
前者完成的是從低維到高維的轉(zhuǎn)換，后者則相反，還可以使用reval函數(shù)

2.flatten

numpy.ndarray.flattern()是用來返回一維數(shù)組的函數(shù)。
也可以像reshape一樣使用order

arr2=arr.flatten(order='F')

一般默認(rèn)是使用order='C'，有特定需求則使用order='F'。

且 flatten()返回的是拷貝，意味著改變元素的值不會影響原始數(shù)組。

3.ravel

ravel()方法將數(shù)組維度拉成一維數(shù)組

ravel和flatten的區(qū)別：

• ravel在進(jìn)行扁平化處理的時候沒有復(fù)制原來的數(shù)組，只在列主序打平時復(fù)制原來的數(shù)組

• flatten在所有情況下打平時都復(fù)制了原來的數(shù)組

• ravel()返回的是視圖，意味著改變元素的值會影響原始數(shù)組；

• flatten()返回的是拷貝，意味著改變元素的值不會影響原始數(shù)組。

• 相同點：這兩個函數(shù)的功能都是將多維數(shù)組轉(zhuǎn)換成一維

ravel()返回的是視圖，意味著改變元素的值會影響原始數(shù)組；

4.stack

numpy.stack(arrays, axis=0)：沿著新軸連接數(shù)組的序列。

一系列的stack函數(shù)有：stack()，hstack()，vstack()

（1）concatenate

還有屬性例如：concatenate
numpy.concatenate((a1,a2,…), axis=0)函數(shù)，能夠一次完成多個數(shù)組的拼接。其中a1,a2,…是數(shù)組類型的參數(shù)

arr1=['穿過寒冬擁抱你','反貪風(fēng)暴5：最終章','李茂扮太子','誤殺2']
arr2=['以年為單位的戀愛','愛情神話','黑客帝國：矩陣重啟','雄獅少年']
np.concatenate([arr1,arr2])

注意，兩個list合并的時候需要用到 [ ] ,否則出錯。

axis參數(shù)指定新軸在結(jié)果尺寸中的索引。例如，如果axis=0，它將是第一個維度，如果axis=-1，它將是最后一個維度。

默認(rèn)情況下axis=0

arr1=np.arange(1,25.0).reshape(4,6)
arr2=np.arange(26,50.0).reshape(4,6)
np.concatenate([arr1,arr2],axis=1)
np.concatenate([arr1,arr2],axis=0)

如上圖所示，axis=1是將不同的列串聯(lián)起來，axis=0則類似于append，是合并。

將arr1與arr2進(jìn)行對調(diào)：

（2）vstack

函數(shù)原型：vstack(tup) ，參數(shù)tup可以是元組，列表，或者numpy數(shù)組，返回結(jié)果為numpy的數(shù)組。它是垂直（按照行順序）的把數(shù)組給堆疊起來。

vstack 和concatenate( ),axis=0等價

（3）dstack

dstack是deep stack，即在深度方向進(jìn)行合并。

dstack可以將一維數(shù)組變成三維數(shù)組。

importnumpyasnp

#vstack
np.vstack([arr1,arr2])
#結(jié)果：
array([[1.,2.,3.,4.,5.,6.],
[7.,8.,9.,10.,11.,12.],
[13.,14.,15.,16.,17.,18.],
[19.,20.,21.,22.,23.,24.],
[26.,27.,28.,29.,30.,31.],
[32.,33.,34.,35.,36.,37.],
[38.,39.,40.,41.,42.,43.],
[44.,45.,46.,47.,48.,49.]])

#dstack
np.dstack([arr1,arr2])
#結(jié)果：
array([[[1.,26.],
[2.,27.],
[3.,28.],
[4.,29.],
[5.,30.],
[6.,31.]],

[[7.,32.],
[8.,33.],
[9.,34.],
[10.,35.],
[11.,36.],
[12.,37.]],

[[13.,38.],
[14.,39.],
[15.,40.],
[16.,41.],
[17.,42.],
[18.,43.]],

[[19.,44.],
[20.,45.],
[21.,46.],
[22.,47.],
[23.,48.],
[24.,49.]]])

（4）hstack

函數(shù)原型：hstack(tup) ，參數(shù)tup可以是元組，列表，或者numpy數(shù)組，返回結(jié)果為numpy的數(shù)組,水平(按列順序)把數(shù)組給堆疊起來，vstack()函數(shù)正好和它相反。

（5）r,c模式

np.r_[arr1,arr2] ，實際上是vstack 與 axis=0 做了一個合并（concatenate）。
np.c_[arr1,arr2] ， hstack 與 axis=1 做了一個合并（concatenate）。

print(np.r_[-2:2:1,[0]*3,5,6])

上面那段代碼由三部分組成，-2:2:1表示從-2~2的數(shù)字，間隔為1，并且2沒有，然后是3個0，接下來是5和6

print((np.r_['r',-2:2:1,[0]*3,5,6]))#二維數(shù)組，以行的方式呈現(xiàn)
print((np.r_['c',-2:2:1,[0]*3,5,6]))#二維數(shù)組，以列的方式呈現(xiàn)

默認(rèn)是為r，表示沿著行的方向創(chuàng)建，c則表示以列的方式創(chuàng)建。

注：shape表示矩陣的維度大小。

也可以用'a,b,c'來進(jìn)行表示，a代表軸，沿著軸a來進(jìn)行合并，代表合并后數(shù)組維度至少是b，c是代表在第c維度上做維度提升

print(np.r_['0,2,0',[1,2,3],[4,5,6]],'\n')
print(np.r_['0,2,1',[1,2,3],[4,5,6]],'\n')
print(np.r_['1,2,0',[1,2,3],[4,5,6]],'\n')
print(np.r_['1,2,1',[1,2,3],[4,5,6]])

b:合并后數(shù)組的維度
a=0,沿著軸0合并。(3,)-->(1,3)
a=1,沿著軸1合并。(3,1)-->(3,2)
c=0,在軸0上上升一維,(3,)-->(3,1)
c=1,在軸1上上升一維,(3,)-->(1,3)

5.split

（1）split

split 具體有 split() , hsplit() , vsplit()

arr1=np.arange(1,13.0).reshape(2,6)
arr2=np.arange(14,26.0).reshape(2,6)
arr=np.concatenate([arr1,arr2])
arr3=np.split(arr,2)#默認(rèn)情況下是axis=0

由上圖可知，split分割成為二維數(shù)組

arr4=np.split(arr,3,axis=1)
print(arr4[0].shape)
arr4

arr5=np.split(arr,4,axis=0)
arr6=np.split(arr,[1,2,3],axis=0)

上述代碼塊的兩行表示是相同的，第二行相當(dāng)于使用數(shù)組的切片方式進(jìn)行處理。

（2）vsplit和hsplit

• vsplit 垂直（按行）將陣列拆分為多個子陣列。

• hsplit 水平（按列）將陣列拆分為多個子陣列。

這部分希望大家看下圖體會~

arrv=np.vsplit(arr,[1,2,3,4])
arrh=np.hsplit(arr,[1,2,3,4,5])

6.repeat

repeat()： 復(fù)制數(shù)組中的每個指定元素。
一維數(shù)組：用整數(shù)型和列表型參考來控制元素被復(fù)制的個數(shù)
多維數(shù)組：用整數(shù)型和列表型來控制元素被復(fù)制的個數(shù)

importnumpyasnp
arr=np.arange(3)
print(arr.shape)

（1）標(biāo)量參數(shù)

print(arr.repeat(3))#每個元素復(fù)制三次

（2）列表參數(shù)

print(arr)
print(arr.repeat([1,2,3]))
#第一個沒有復(fù)制，第二個復(fù)制了兩個，，依次類推

當(dāng)列表的元素少于數(shù)組元素，或者多余數(shù)組元素，都會報錯，就如下圖所示。

上面是一維數(shù)組的，接下來再看看二維數(shù)組中利用標(biāo)量參數(shù)和軸參數(shù)：

print(arr.repeat(2))#此時二維數(shù)組變成一維的了
print(arr.repeat(2,1))
print(arr.repeat(2,axis=0))#在行上面進(jìn)行復(fù)制

再來看看二維數(shù)組中的列表參數(shù)和軸參數(shù)：

7.tile

關(guān)于repeat和title，二者的本質(zhì)都是復(fù)制，而repeat是在元素層面進(jìn)行賦值，title是在數(shù)組層面進(jìn)行賦值。

（1）標(biāo)量參數(shù)

print(np.tile(arr,2))
print(np.repeat(arr,2))

（2）元組參數(shù)

元組參數(shù)即括號里面用相關(guān)參數(shù)進(jìn)行分割。

print(np.tile(arr,(2,3)))

print(np.tile(arr,(2,3,4)))

在軸0上面復(fù)制兩遍，行復(fù)制3遍，列復(fù)制4遍。

8.sort

排序分為：

• 直接排序

• 間接排序

直接排序sort() :在原來的數(shù)組上進(jìn)行排序操作，而不重新創(chuàng)建一個數(shù)組

（1）一維數(shù)組排序方法

arr=np.array([9,1,5,7,2,3,8,6])#先創(chuàng)建一個無序數(shù)組
arr

print('排序之前的數(shù)組:',arr)
arr.sort()
print('排序之后的數(shù)組:',arr)

arr[::-1]#使用倒序的方法顯示

（2）多維數(shù)組排序方法

先使用random隨機生成一個二維數(shù)組：（每次）

importnumpyasnp
np.random.seed(1000)
arr=np.random.randint(40,size=(3,4))
arr

以上的方法在每次重新刷新了之后會變化數(shù)組的數(shù)字。

如果對二維數(shù)組直接使用arr.sort()，則會直接對行進(jìn)行排序。

對列進(jìn)行排序：

print('排序之前的數(shù)組:')
print(arr)
arr[:,0].sort()
print('排序之后的數(shù)組:')
print(arr)

np.sort(arr[:,2])#選擇第三列進(jìn)行排序

arr.sort(axis=1)#橫著排序，原來數(shù)組改變
np.sort(arr,axis=1)#橫著排序，但原來的數(shù)組不會改變
arr.sort(axis=0)#豎著排序，原來數(shù)組改變
np.sort(arr,axis=0)#豎著排序，但原來的數(shù)組不會改變

（3）argsort函數(shù)

接下來看看間接排序：

間接排序：利用特定的參數(shù)進(jìn)行排序，按需排序，需要使用argsort( )函數(shù)
argsort函數(shù)：返回的是數(shù)組值從小到大的索引值。

score=np.array([100,65,76,89,58])
idx=score.argsort()
idx

因此如果打印數(shù)組的時候帶上下標(biāo)就相當(dāng)于排序了：

print(score[idx])#利用索引標(biāo)簽來打印

arr[:,arr[0].argsort()]
#按第一行從低到高進(jìn)行排序，并且對應(yīng)的列也會跟著變化
arr#由于使用的是argsort,因此原數(shù)組不會改變

（4）lexsort函數(shù)

numpy.lexsort() 用于對多個序列進(jìn)行排序。把它想象成對電子表格進(jìn)行排序，每一列代表一個序列，排序時優(yōu)先照顧靠后的列。

這里舉一個應(yīng)用場景：小升初考試，重點班錄取學(xué)生按照總成績錄取。在總成績相同時，數(shù)學(xué)成績高的優(yōu)先錄取，在總成績和數(shù)學(xué)成績都相同時，按照英語成績錄取…… 這里，總成績排在電子表格的最后一列，數(shù)學(xué)成績在倒數(shù)第二列，英語成績在倒數(shù)第三列。

arr1=np.array(['E','B','C','A','D'])
arr2=np.array(['4','1','3','2','5'])
idx=np.lexsort((arr1,arr2))

9.insert

insert 是插入，但原數(shù)組不會改變。

arr=np.arange(6)
np.insert(arr,1,100)#在下標(biāo)為1的位置插入100

arr=np.arange(6)
np.insert(arr,1,100)#在下標(biāo)為1的位置插入100

10.delete

delete是刪除，但原數(shù)組同樣不會改變。

arr=np.arange(6)
np.delete(arr,1)
np.delete(arr,[1,2])

11.copy

關(guān)于copy和view ,這里需要了解一下數(shù)組切片和列表切片的區(qū)別：

• 數(shù)組切片得到的是原數(shù)組的一個view(視圖)，修改切片中的內(nèi)容會改變原來數(shù)組

• 列表切片得到的是原列表的一個copy(復(fù)制)，修改切片后的列表不會改變原列表

arr=np.arange(6)
arr_copy=arr.copy()
arr_copy[0]=100
arr_copy

12.view

arr=np.arange(6)
arr_view=arr.view()
arr_view[0]=100
arr_view

講了以上12種數(shù)組變形，那么如何使用容器型數(shù)據(jù)的特性和數(shù)組相關(guān)函數(shù)的方法對字符串或者其他對象進(jìn)行去重呢？

s='數(shù)組切片得到的是原數(shù)組的一個,修改切片中的內(nèi)容會改變原來數(shù)組'

假設(shè)現(xiàn)在要對s進(jìn)行去重：

方法一：使用set

sets=set(s)

方法二：使用unique

sarr=np.array(s)
np.unique(list(s))

總結(jié)

以上是生活随笔為你收集整理的Python数组变形的实现方法有哪些的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。