各位客官姥爺好，歡迎回來。上節(jié)我們了解了numpy數(shù)組的屬性以及淺拷貝和深拷貝，這節(jié)我們來看看數(shù)組的其他用法。
01
改變數(shù)組的維度
0. 聲明一個(gè)numpy的數(shù)組
x = np.random.randint(1,10,(3,4))xarray([[6, 3, 5, 8],
[7, 9, 9, 2],
[7, 8, 8, 9]])
1. 改為一維數(shù)組
這里有兩種方法：
1）flatten( order='C' )方法
y = x.flatten()print(y)y[0] = 1print(y)print(x)[6 3 5 8 7 9 9 2 7 8 8 9]
[1 3 5 8 7 9 9 2 7 8 8 9]
[[6 3 5 8]
[7 9 9 2]
[7 8 8 9]]
2）ravel([order])方法
y = x.ravel()print(y)y[0] = 1print(y)print(x)[6 3 5 8 7 9 9 2 7 8 8 9]
[1 3 5 8 7 9 9 2 7 8 8 9]
[[1 3 5 8]
[7 9 9 2]
[7 8 8 9]]
這里特別注意，當(dāng)使用ravel時(shí)，修改新對(duì)象的值，源對(duì)象的值也會(huì)改變。
2. 改為其他維數(shù)的數(shù)組
這里同樣有兩種方法：
1）reshape( shape , order='C' ) 方法
x = np.random.randint(1,10,(2,6))print(x)m = x.reshape((3,4))print(m)m[0,1] = 88print(m)print(x)[[2 6 9 5 4 1]
[4 6 1 3 4 9]]
[[2 6 9 5]
[4 1 4 6]
[1 3 4 9]]
[[ 2 88 9 5]
[ 4 1 4 6]
[ 1 3 4 9]]
[[ 2 88 9 5 4 1]
[ 4 6 1 3 4 9]]
同樣，需要注意：更改新對(duì)象的元素，源對(duì)象的也會(huì)改變。
2）resize( new_shape , refcheck=True )方法
resize方法直接在源數(shù)組上更改。
x = np.random.randint(1,10,(2,6))print(x)#在這里賦值給y，y直接返回None。y = x.resize((3,4))print(x)print(y)[[8 3 1 1 5 6]
[6 7 9 5 2 5]]
[[8 3 1 1]
[5 6 6 7]
[9 5 2 5]]
None
02
數(shù)組索引相關(guān)
1.根據(jù)索引取值
take(indices, axis=None, out=None, mode='raise')方法
x = np.random.randint(1,10,(2,6))print(x)y = x.take([[1,2],[7,8]])print(y)[[4 7 9 1 9 6]
[1 7 6 4 2 9]]
[[7 9]
[7 6]]
如果不使用axis參數(shù)的話，默認(rèn)把數(shù)組展開成一維。
x = np.random.randint(1,10,(2,6))print(x)y = x.take([[1,2],[4,5]], axis=1)print(y)[[3 2 2 3 2 5]
[3 6 6 6 3 6]]
[[[2 2]
[2 5]]
[[6 6]
[3 6]]]
x = np.random.randint(1,10,(2,6))print(x)y = x.take([[1,2],[4,5]], axis=0)print(y)更改axis=0，直接報(bào)錯(cuò)超出范圍
IndexError: index 2 is out of bounds for size 2
可修改mode參數(shù)來避免報(bào)錯(cuò)，有三種可選參數(shù)：{'raise', 'wrap', 'clip'}。
--raise表示拋出異常（默認(rèn)）
--wrap表示索引超出范圍對(duì)數(shù)據(jù)進(jìn)行環(huán)繞，環(huán)繞也就是重復(fù)使用，一輪用完，第二輪接著上。
x = np.random.randint(1,10,(5,6))print(x)y = x.take([[1,2],[4,5]], axis=0,mode='wrap')print(y)[[4 4 9 6 6 7]
[1 8 6 2 6 7]
[7 9 8 6 4 3]
[4 3 6 5 2 6]
[9 4 6 9 5 2]]
[[[1 8 6 2 6 7]
[7 9 8 6 4 3]]
[[9 4 6 9 5 2]
[4 4 9 6 6 7]]]
--clip：表示超出下標(biāo)的部分，全部用最后一個(gè)。
x = np.random.randint(1,10,(5,6))print(x)y = x.take([[1,2],[4,5]], axis=0,mode='clip')print(y)[[8 9 2 3 2 2]
[8 6 1 5 2 2]
[7 7 1 3 4 8]
[3 5 1 7 3 5]
[8 4 1 6 5 1]]
[[[8 6 1 5 2 2]
[7 7 1 3 4 8]]
[[8 4 1 6 5 1]
[8 4 1 6 5 1]]]
2.根據(jù)索引替換值
put(indices, values, mode='raise')方法
x = np.random.randint(1,10,(2,6))print(x)y = x.put([[1,2],[3,4]],-5,mode='clip')print(x)print(y)[[3 4 4 5 2 7]
[3 6 5 2 6 5]]
[[ 3 -5 -5 -5 -5 7]
[ 3 6 5 2 6 5]]
None
需要特別留意的是：這里是直接在源對(duì)象上更改，賦值的話返回的結(jié)果會(huì)是None。
要說起來從源對(duì)象上直接更改，這里也可以使用切片用法。
x = np.random.randint(1,10,(2,6))print(x)x[0,:3:1] = 0print(x)x[0:4:1,1] = 10print(x)[[9 9 4 3 1 8]
[5 7 1 6 4 4]]
[[0 0 0 3 1 8]
[5 7 1 6 4 4]]
[[ 0 10 0 3 1 8]
[ 5 10 1 6 4 4]]
03
數(shù)組的排序
1. 對(duì)數(shù)組進(jìn)行排序
sort(axis=-1,kind=None,order=None)用法
axis默認(rèn)值是-1，表示沿最后一個(gè)軸排序。
kind有{'quicksort'、'mergesort'、'heapsort'、'stable'}四種可選排序算法：quicksort快排（默認(rèn)），mergesort歸并排序，heapsort堆排序，stable穩(wěn)定排序。
x = np.random.randint(1,10,(2,6))print(x)y = x.sort(axis=1)print(x)print(y)[[2 2 2 8 1 1]
[3 2 5 7 1 7]]
[[1 1 2 2 2 8]
[1 2 3 5 7 7]]
None
可以看到這里同樣是直接更改源對(duì)象。如果不想直接更改源對(duì)象，有什么辦法嗎？我們接著往下看。
2. 返回排序的索引
argsort(axis=- 1, kind=None, order=None)方法
x = np.random.randint(1,10,(2,6))print(x)y = x.argsort()print(y)[[1 2 9 4 6 1]
[2 2 4 8 4 8]]
[[0 5 1 3 4 2]
[0 1 2 4 3 5]]
看到這里返回的索引，是不是對(duì)我們上面的提問有了些頭緒：我們前面剛好又講過take的用法（可以根據(jù)索引返回值）。思路有了，這就開干。
x = np.random.randint(1,10,(2,6))print(x)y = x.argsort(axis = 1)print('******')print(y)z = x.take(y,axis = 1)print('******')print(z)[[3 9 1 9 7 3]
[7 6 4 8 9 4]]
******
[[2 0 5 4 1 3]
[2 5 1 0 3 4]]
******
[[[1 3 3 7 9 9]
[1 3 9 3 9 7]]
[[4 7 4 9 6 8]
[4 4 6 7 8 9]]]
但結(jié)果有點(diǎn)出乎意料，相當(dāng)于源數(shù)組的每行都使用了索引一次。那有沒有按照軸返回?cái)?shù)組的方法呢？還真有（首先，在這里需要感謝這些numpy的開發(fā)人員，滿足我們的各種需求），具體用法是：
numpy.take_along_axis(arr, indices, axis)
arr參數(shù)就是數(shù)組，indices就是索引，話不多說開干。
x = np.random.randint(1,10,(2,6))print(x)y = x.argsort(axis = 1)print('******')print(y)z = np.take_along_axis(x,y,axis = 1)print('******')print(z)[[9 9 5 5 2 1]
[8 7 3 2 1 7]]
******
[[5 4 2 3 0 1]
[4 3 2 1 5 0]]
******
[[1 2 5 5 9 9]
[1 2 3 7 7 8]]
結(jié)果正確，over！
3. 按某些序列進(jìn)行排序
np.lexsort(keys, axis=- 1)方法，注意ndarray沒有l(wèi)exsort方法。
這里的key加s，表示可以多個(gè)，以最后一個(gè)為第一排序依據(jù)。
x = np.array([1,2,2,3,4,6,6,7])y = np.array([9,0,3,1,2,6,5,0])np.lexsort((y,x))通過結(jié)果可以看出，對(duì)x進(jìn)行排序，如果x相同的部分，則以y為排序依據(jù)。
array([0, 1, 2, 3, 4, 6, 5, 7], dtype=int64)
4.搜索排序
searchsorted(v, side='left', sorter=None)方法
返回小于或等于v值的值的索引位置。
x = np.array([9,0,3,1,2,6,5,0])x.searchsorted(3,side='right')5
side中的right/left其實(shí)就相當(dāng)于開區(qū)間還是閉區(qū)間。
以上就是本次的分享，歡迎各位客官姥爺關(guān)注我，方便您第一次時(shí)間收到【干貨】！
聯(lián)系客服
