python数组去重函数_Python科学计算库Numpy之数组操作

操作ndarray 的方法

numpy.reshape:这个函数在不改变数据的条件下修改形状

numpy.ndarray.flat:该函数返回数组上的一维迭代器，行为类似 Python 内建的迭代器

numpy.ndarray.flatten:该函数返回折叠为一维的数组副本

numpy.ravel:这个函数返回展开的一维数组，并且按需生成副本。返回的数组和输入数组拥有相同数据类型

numpy.transpose:这个函数翻转给定数组的维度。如果可能的话它会返回一个视图

numpy.ndarray.T:该函数属于ndarray类，行为类似于numpy.transpose

numpy.rollaxis:该函数向后滚动特定的轴，直到一个特定位置

numpy.swapaxes:该函数交换数组的两个轴。对于 1.10 之前的 NumPy 版本，会返回交换后数组的试图

numpy.broadcast_to:此函数将数组广播到新形状。它在原始数组上返回只读视图。它通常不连续。如果新形状不符合广播规则，该函数可能会抛出ValueError

numpy.expand_dims：函数通过在指定位置插入新的轴来扩展数组形状

numpy.squeeze：函数从给定数组的形状中删除一维条目

numpy.concatenate：数组的连接是指连接。此函数用于沿指定轴连接相同形状的两个或多个数组

numpy.stack：此函数沿新轴连接数组序列。此功能添加自 NumPy 版本 1.10.0

numpy.stack：函数的变体，通过堆叠来生成水平的单个数组

numpy.vstack：``numpy.stack函数的变体，通过堆叠来生成竖直的单个数组

numpy.split：该函数沿特定的轴将数组分割为子数组

numpy.hsplit：``numpy.hsplit是split()函数的特例，其中轴为 1 表示水平分割，无论输入数组的维度是什么

numpy.vsplit：``numpy.vsplit是split()函数的特例，其中轴为 0 表示竖直分割，无论输入数组的维度是什么

numpy.resize：此函数返回指定大小的新数组。如果新大小大于原始大小，则包含原始数组中的元素的重复副本

numpy.append：此函数在输入数组的末尾添加值。附加操作不是原地的，而是分配新的数组。此外，输入数组的维度必须匹配否则将生成ValueError

numpy.insert:此函数在给定索引之前，沿给定轴在输入数组中插入值。如果值的类型转换为要插入，则它与输入数组不同。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，则输入数组会被展开

numpy.delete:此函数返回从输入数组中删除指定子数组的新数组。与insert()函数的情况一样，如果未提供轴参数，则输入数组将展开

numpy.unique:此函数返回输入数组中的去重元素数组。该函数能够返回一个元组，包含去重数组和相关索引的数组。索引的性质取决于函数调用中返回参数的类型

numpy.bitwise_and:通过np.bitwise_and()函数对输入数组中的整数的二进制表示的相应位执行位与运算

numpy.bitwise_or:通过np.bitwise_or()函数对输入数组中的整数的二进制表示的相应位执行位或运算

numpy.invert此函数计算输入数组中整数的位非结果。对于有符号整数，返回补码

left_shift:``numpy.left shift()函数将数组元素的二进制表示中的位向左移动到指定位置，右侧附加相等数量的 0

right_shift:``numpy.right_shift()函数将数组元素的二进制表示中的位向右移动到指定位置，左侧附加相等数量的 0

代码举例

import numpy as np

a1 = np.arange(2, 10)

a2 = a1.reshape(4, 2) # 修改形状

print(a2)

print(a2.flat[5]) # 返回展开数组中的下标的对应元素 (一维迭代器)

print(a2.flatten(order=‘F’)) # 以 F 风格顺序展开的数组返回一维的数组副本

print(a2.ravel(order=‘F’)) # 以 F 风格顺序展开的数组并且按需生成副本

print(np.transpose(a2)) # numpy.ndarray.T 功能相同

print("------------------------------------")

a3 = np.arange(8).reshape(2, 2, 2)

print(a3)

print(np.rollaxis(a3, 2)) # 将轴 2 滚动到轴 0（宽度到深度）

print(np.rollaxis(a3, 2, 1)) # 将轴 0 滚动到轴 1：（宽度到高度）

print(np.swapaxes(a3, 2, 0)) # 现在交换轴 0（深度方向）到轴 2（宽度方向）

x = np.array([[1], [2], [3]])

y = np.array([4, 5, 6])

b = np.broadcast(x, y) # 对 y 广播 x.它拥有 iterator 属性，基于自身组件的迭代器元组

r, c = b.iters

print(b.shape)

c = np.empty(b.shape)

c.flat = [u + v for (u, v) in b]

print©

print(x + y) # 获得了和 NumPy 内建的广播支持相同的结果

print(np.broadcast_to(b, (4, 4))) # 此函数将数组广播到新形状

x = np.array(([1, 2], [3, 4]))

y = np.expand_dims(x, axis=1)

print(x.shape, y.shape) # 函数通过在指定位置插入新的轴来扩展数组形状

x = np.arange(9).reshape(1, 3, 3)

y = np.squeeze(x)

print(y.shape)

x = np.array([[1, 2], [3, 4]])

y = np.array([[5, 6], [7, 8]])

print(np.concatenate((x, y))) # 此函数用于沿指定轴连接相同形状的两个或多个数组

print(np.concatenate((x, y), axis=1))

print(np.stack((x, y), 0)) # 沿轴 0 堆叠两个数组

print(np.stack((x, y), 1)) # 沿轴 1 堆叠两个数组

print(np.hstack((x, y))) # 水平堆叠两个数组

print(np.vstack((x, y))) # 竖直堆叠两个数组

a = np.arange(9)

print(np.split(a, 3)) # np.split(a,[4,7])

print(np.split(a, [4, 7])) # 将数组在一维数组中表明的位置分割

a = np.arange(16).reshape(4, 4)

print(np.hsplit(a, 2)) # split()函数的特例，其中轴为 1 表示水平分割，无论输入数组的维度是什么

print(np.vsplit(a, 2)) # split()函数的特例，其中轴为 0 表示竖直分割，无论输入数组的维度是什么

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

print(np.resize(a, (3, 2)))

print(np.resize(a, (3, 4))) # 尺寸变大了出现重复元素

print(np.append(a, [7, 8, 9])) # 向数组添加元素

print(np.append(a, [[7, 8, 9]], axis=0)) # 沿轴 0 添加元素

print(np.append(a, [[5, 5, 5], [7, 8, 9]], axis=1)) # 沿轴 1 添加元素

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

print(np.insert(a, 3, [11, 12])) # '未传递 Axis 参数。在插入之前输入数组会被展开

print(np.insert(a, 1, [11], axis=0)) # 沿轴 0 广播

print(np.insert(a, 1, [11], axis=1)) # 沿轴 1 广播

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

print(np.delete(a, 5)) # 未传递 Axis 参数。在插入之前输入数组会被展开

print(np.delete(a, 1, axis=1)) # 删除第二列

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

print(np.delete(a, np.s_[::2])) # 包含从数组中删除的替代值的切片

a = np.array([5, 2, 6, 2, 7, 5, 6, 8, 2, 9])

print(np.unique(a))

print(np.unique(a, return_index=True)) # 去重数组的索引数组

print(np.unique(a, return_inverse=True)) # 使用下标重构原数组

print(np.unique(a, return_counts=True)) # 去重元素的重复数量

print(np.bitwise_and(13, 17)) # 位与

print(np.bitwise_or(13, 17)) # 位或

print(np.invert(np.array([13], dtype=np.uint8))) # 13 的位反转，其中 ndarray 的 dtype 是 uint8

print(np.left_shift(10, 2)) # 将 10 左移两位

print(np.right_shift(40, 2)) # 将 40 左移两位

python数组去重函数_Python科学计算库Numpy之数组操作相关推荐

python np dot函数_python科学计算之Numpy
Numpy的组成与功能 Numpy(Numeric Python)可以被理解为一个用python实现的科学计算包,包括: 1.强大的N维数组对象Array: 2.成熟的函数库: 3.实用的线性代数.傅 ...
argmax函数_Python科学计算库numpy——统计函数
Python--numpy 统计函数 numpy 统计函数 import numpy as npa=np.arange(15).reshape(3,5)aOut[10]: array([[ 0, 1, ...
唐宇迪学习笔记1：Python环境安装、Pytho科学计算库——Numpy
目录一.AI数据分析入门 1.案例来源 2.Python环境配置(Python3) Python的安装 Python库安装工具 Jupyter Notebook 二.Python科学计算库--Nu ...
python数组初始化_Python科学计算库Numpy数组的初始化和基本操作
umPy系统是Python的一种开源的数值计算扩展.这种工具可用来存储和处理大型矩阵,比Python自身的嵌套列表(nested list structure)结构要高效的多(该结构也可以用来表示矩阵 ...
Python大数据教程：科学计算库NumPy案例之酒鬼漫步
通过前面对NumPy的学习,相信大家一定对NumPy这个科学计算包有了一定的了解,接下来,本节将通过酒鬼漫步的案例来介绍如何运用NumPy随机数模块与数据处理. 下面先为大家描述一下场景,在一片空旷的 ...
python的科学计算库有哪些_Python科学计算库-Numpy
NumPy 是 Python 语言的一个扩充程序库.支持高级大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库,也是学习 python 必学的一个库. 1. 读取文件 numpy.gen ...
一文带你熟悉简单实用的Python科学计算库NumPy
Python科学计算库NumPy 安装数组的创建 array创建 **arange** 创建 **随机数创建** 方法numpy.random.random(size=None) 方法numpy.r ...
numpy不用科学记数发 python_Python科学计算库Numpy常用的函数使用
林小森博客: Python科学计算库Numpy常用的函数使用 - 林小森www.linxiaosen.com Numpy具有强大的计算功能,本文介绍Numpy常用的函数,可以有效的提高工作效率. 首 ...
python矩阵运算法则_导数与梯度、矩阵运算性质、科学计算库numpy
一.实验介绍 1.1 实验内容虽然在实验一中我想尽量少的引入(会让人放弃继续学习的)数学概念,但我似乎还是失败了.不过这几乎是没有办法的事,要想真正学会深度学习,没有一定的数学基础(高等数学.线性代 ...

python数组去重函数_Python科学计算库Numpy之数组操作

python数组去重函数_Python科学计算库Numpy之数组操作相关推荐

最新文章

热门文章

python数组去重函数_Python科学计算库Numpy之 数组操作

python数组去重函数_Python科学计算库Numpy之 数组操作相关推荐

最新文章

热门文章

python数组去重函数_Python科学计算库Numpy之数组操作

python数组去重函数_Python科学计算库Numpy之数组操作相关推荐