鄙人學習筆記，這個筆記以例子為主。
開發工具：Spyder

---

文章目錄

• • • ndarray數組對象的維度操作
    • • 視圖變維(數據共享)
      • 復制變維（數據獨立）
      • 就地變維
    • ndarray數組切片操作
    • 多維數組的切片操作
    • ndarray數組的掩碼操作
    • 多維數組的組合和拆分
    • • 垂直方向操作
      • 水平方向操作
      • 深度方向操作(3維)
      • 長度不等的數組組合
      • 多維數組組合與拆分的相關函數
      • 簡單的一維數組組合方案
    • ndarray類的其他屬性

---

ndarray數組對象的維度操作

視圖變維(數據共享)

舉例：若a與b共用同一個數據，若把b改了，則a也變了。
相關函數：reshape() 與 ravel()

• 例子1

代碼：

import numpy as np a = np.arange(1, 9) print('a:', a) # [1 2 3 4 5 6 7 8] b = a.reshape(2, 4) #視圖變維 : 變為2行4列的二維數組 print('b:',b) c = b.reshape(2, 2, 2) #視圖變維 變為2頁2行2列的三維數組 print('c:',c) d = c.ravel() #視圖變維 變為1維數組 print('d:',d)

結果：

• 例子2

代碼1：

import numpy as np a = np.arange(1, 10) print(a, a.shape) b = a.reshape(3, 3) print(b, b.shape) b[0, 0] = 98 print(a, a.shape)

結果1：

代碼2：

import numpy as np a = np.arange(1, 10) b = a.reshape(3, 3) b[0, 0] = 98 c = b.ravel() print('c:', c, c.shape) print('a:', a, a.shape)

結果2：

復制變維（數據獨立）

舉例：通過a得到一個b,雖然數據內容是一樣的，但卻是兩份數據，他們的地址不同。
相關函數：flatten()

• 例子

代碼：

import numpy as np a = np.arange(1, 10) b = a.reshape(3, 3) b[0, 0] = 98 c = b.flatten() c[2] = 53 print('c:', c, c.shape) print('b:', b, b.shape) print('a:', a, a.shape)

結果：

就地變維

含義：直接改變原數組對象的維度，不返回新數組。
相關函數：shape()與resize()

• 例子

代碼：

import numpy as np a = np.arange(1, 9) print('a:', a) a.shape = (2, 4) print("a", a) a.resize(2, 2, 2) print('a:', a)

結果：

ndarray數組切片操作

• 語法

數組對象[起始位置:終止位置:步長]

• 說明

①默認位置步長為1；步長為+時，默認切從首到尾；步長為-時，默認切從尾到首。
②數組對象切片的參數設置與列表切面參數類似

• 例子(還需繼續研究)

備注：若為若為[:]或[ : : ]則為復制。

多維數組的切片操作

• 例子1

代碼：

import numpy as np a = np.arange(1, 28) a.resize(3,3,3) print('a:', a, '\n') print('切出第1頁:', a[0, :, :], '\n') print('切出所有頁的第2行:', a[:, 1, :], '\n') print('切出第1頁的第3列:',a[0, :, 2])

結果：

• 例子2

代碼：

import numpy as np a = np.arange(1, 28) a.resize(3,3,3)print(a[:, :2, :], '\n') print('--------------') print(a[:2, :2, :2])

結果：

ndarray數組的掩碼操作

掩碼是啥？看下面這段代碼：

被藍色矩形框起來的就是掩碼。

• 例子1

代碼：

import numpy as np a = np.arange(1, 20)mask = [a % 3 == 0] print(mask) print(a[mask])

結果：

• 例子2

代碼：

import numpy as np a = np.arange(1, 50)mask = [(a % 3 == 0) & (a % 5 == 0)] print(mask) print(a[mask])

結果：

• 例子3(使用掩碼把數組中的元素重新排列)

代碼：

import numpy as np a = np.array(['a', 'b', 'c', 'd', 'e'])mask = [2, 4, 1, 0, 2, 3, 1] print(a[mask])

結果：

多維數組的組合和拆分

垂直方向操作

相關函數：vstack()與vsplit()

• 例子

代碼：

import numpy as np a = np.arange(1, 7).reshape(2, 3) b = np.arange(7, 13).reshape(2, 3) # 垂直方向完成組合操作，生成新數組 c = np.vstack((a, b)) print('c:', c) # 垂直方向完成拆分操作，生成兩個數組 d, e = np.vsplit(c, 2) print('d:', d) print('e:', e)

結果：

垂直方向拆分是分成上下兩份。

水平方向操作

相關函數：hstack()與hsplit()

• 例子

代碼：

import numpy as np a = np.arange(1, 7).reshape(2, 3) b = np.arange(7, 13).reshape(2, 3) # 水平方向完成組合操作，生成新數組 c = np.hstack((a, b)) print('c:', c) # 水平方向完成拆分操作，生成兩個數組 d, e = np.hsplit(c, 2) print('d:', d) print('e:', e)

結果：

水平方向拆分是分成左右兩塊。

深度方向操作(3維)

相關函數：dstack()與dsplit()

• 例子

代碼：

import numpy as np a = np.arange(1, 7).reshape(2, 3) b = np.arange(7, 13).reshape(2, 3) # 深度方向（3維）完成組合操作，生成新數組 c = np.dstack((a, b)) # 深度方向（3維）完成拆分操作，生成兩個數組 d, e = np.dsplit(c, 2) print('c:', c) print('d:', d) print('e:', e)

結果：

長度不等的數組組合

相關函數：pad()

• 例子

代碼：

import numpy as np a = np.array([1,2,3,4,5]) b = np.array([1,2,3,4]) # 填充b數組使其長度與a相同 # 前補0個元素，后補1個元素，都補上-1 b = np.pad(b, pad_width=(0, 1), mode='constant', constant_values=-1) print('b:', b) # 垂直方向完成組合操作，生成新數組 c = np.vstack((a, b)) print('c:', c)

結果：

多維數組組合與拆分的相關函數

相關函數：concatenate()與split()

相關函數的用法：

np.concatenate((數組a, 數組b), axis=0) # 通過axis作為關鍵字參數指定組合的方向，取值如下： # 若待組合的數組都是二維數組： # 0: 垂直方向組合 # 1: 水平方向組合 # 若待組合的數組都是三維數組： # 0: 垂直方向組合 # 1: 水平方向組合 # 2: 深度方向組合 np.split(數組, 要拆分的份數, axis=0) # 通過給出的數組與要拆分的份數，按照某個方向進行拆分，axis的取值同上

簡單的一維數組組合方案

相關函數：row_stack()與column_stack()

• 例子

代碼：

import numpy as np a = np.arange(1,9) #[1, 2, 3, 4, 5, 6, 7, 8] b = np.arange(9,17) #[9,10,11,12,13,14,15,16] #把兩個數組摞在一起成兩行 c = np.row_stack((a, b)) print(c) #把兩個數組組合在一起成兩列 d = np.column_stack((a, b)) print(d)

結果：

ndarray類的其他屬性

屬性含義

shape	維度
dtype	元素類型
size	元素數量
ndim	維數，len(shape)
itemsize	元素字節數
nbytes	總字節數 = size * itemsize
real	復數數組的實部數組
imag	復數數組的虛部數組
T	數組對象的轉置視圖
flat	扁平迭代器

備注：flat可以拿到數組中的每一個元素組成的迭代器。

• 例子

代碼：

import numpy as np a = np.array([[1 + 1j, 2 + 4j, 3 + 7j],[4 + 2j, 5 + 5j, 6 + 8j],[7 + 3j, 8 + 6j, 9 + 9j]]) print(a.shape) print(a.dtype) print(a.ndim) print(a.size) print(a.itemsize) print(a.nbytes) print("-----------")print(a.real, a.imag, sep='\n') print("-----------") print(a.T) print("-----------") print([elem for elem in a.flat]) print("-----------") b = a.tolist() print(b)

備注：data.tolist()函數為轉換成列表。

結果：

總結

以上是生活随笔為你收集整理的Numpy基础(part2)--ndarray数组的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。