zhoupj
commented
7 years ago - Numpy 快速入门之玩转数组 展平+转置+组合+分割+数组属性
============改变数组的维度================== 已知reshape函数可以有一维数组形成多维数组 ravel函数可以展平数组 b.ravel() flatten()函数也可以实现同样的功能 区别：ravel只提供视图view，而flatten分配内存存储
重塑：用元祖设置维度
b.shape=(4,2,3) b array(［[ 0, 1, 2], [ 3, 4, 5］,
［ 6, 7, 8],
[ 9, 10, 11］,
［12, 13, 14],
[15, 16, 17］,
［18, 19, 20],
[21, 22, 23］])转置：
b array(［0, 1], [2, 3］) b.transpose() array(［0, 2], [1, 3］)
=============数组的组合==============
a array(［0, 1, 2], [3, 4, 5], [6, 7, 8］) b = a*2 b array(［ 0, 2, 4], [ 6, 8, 10], [12, 14, 16］)
1.水平组合
np.hstack((a,b)) array(［ 0, 1, 2, 0, 2, 4], [ 3, 4, 5, 6, 8, 10], [ 6, 7, 8, 12, 14, 16］) np.concatenate((a,b),axis=1) array(［ 0, 1, 2, 0, 2, 4], [ 3, 4, 5, 6, 8, 10], [ 6, 7, 8, 12, 14, 16］)
2.垂直组合
np.vstack((a,b)) array(［ 0, 1, 2], [ 3, 4, 5], [ 6, 7, 8], [ 0, 2, 4], [ 6, 8, 10], [12, 14, 16］) np.concatenate((a,b),axis=0) array(［ 0, 1, 2], [ 3, 4, 5], [ 6, 7, 8], [ 0, 2, 4], [ 6, 8, 10], [12, 14, 16］)
3.深度组合：沿着纵轴方向组合
np.dstack((a,b)) array(［[ 0, 0], [ 1, 2], [ 2, 4］,
［ 3, 6],
[ 4, 8],
[ 5, 10］,
［ 6, 12],
[ 7, 14],
[ 8, 16］])4.列组合column_stack() 一维数组：按列方向组合 二维数组：同hstack一样
5.行组合row_stack() 以为数组：按行方向组合 二维数组：和vstack一样
6.==用来比较两个数组
a==b array(［ True, False, False], [False, False, False], [False, False, False］, dtype=bool)
True那个因为都是0啊
==================数组的分割===============
a array(［0, 1, 2], [3, 4, 5], [6, 7, 8］) b = a*2 b array(［ 0, 2, 4], [ 6, 8, 10], [12, 14, 16］)
1.水平分割（难道不是垂直分割？？？）
np.hsplit(a,3) [array(［0], [3], [6］), array(［1], [4], [7］), array(［2], [5], [8］)] split(a,3,axis=1)同理达到目的
2.垂直分割
np.vsplit(a,3) [array(［0, 1, 2］), array(［3, 4, 5］), array(［6, 7, 8］)]
split(a,3,axis=0)同理达到目的
3.深度分割 某三维数组：：：
d = np.arange(27).reshape(3,3,3) d array(［[ 0, 1, 2], [ 3, 4, 5], [ 6, 7, 8］,
［ 9, 10, 11],
[12, 13, 14],
[15, 16, 17］,
［18, 19, 20],
[21, 22, 23],
[24, 25, 26］])深度分割后（即按照深度的方向分割） 注意：dsplite只对3维以上数组起作用 raise ValueError('dsplit only works on arrays of 3 or more dimensions') ValueError: dsplit only works on arrays of 3 or more dimensions
np.dsplit(d,3) [array(［[ 0], [ 3], [ 6］,
［ 9],
[12],
[15］,
［18],
[21],
[24］]), array(［[ 1],
[ 4],
[ 7］,
［10],
[13],
[16］,
［19],
[22],
[25］]), array(［[ 2],
[ 5],
[ 8］,
［11],
[14],
[17］,
［20],
[23],
[26］])]===================数组的属性=================
a.shape #数组维度 (3, 3) a.dtype #元素类型 dtype('int32') a.size #数组元素个数 9 a.itemsize #元素占用字节数 4 a.nbytes #整个数组占用存储空间=itemsize*size 36 a.T #转置=transpose array(［0, 3, 6], [1, 4, 7], [2, 5, 8］)
import numpy as np
统计nan 个数
example：a=array([[],[]]) np.count_nonzero(a != a)
len(a[np.isnan(a)]) len(a[np.isinf(a)])
Python快速过滤Numpy数组中特定元素的方法
和此类问题相关的还有一组判断用函数，可以得到逻辑数组，然后直接应用于数组，包括： isinf isneginf isposinf isnan isfinite 使用方法也很简单，以isnan举例说明：