形状修改
语法：arr.reshape(m,n)
将数组修改成m行n列的新数组
# -*- coding:utf-8 -*-
import numpy as np
print('一维数组')
nums = [1,2,3,4,5,6,7,8] #一维数组
arr = np.array(nums)
arr1 = arr.reshape(2,4)
print('原数组\n',arr)
print('变形后数组\n',arr1)
print('一维数组')
nums = [[1,2,3,4],[5,6,7,8]] #二维数组
arr = np.array(nums)
arr1 = arr.reshape(4,2)
print('原数组\n',arr)
print('变形后数组\n',arr1)维度修改
语法：numpy.array(arr, ndmin=n)
- ndmin=n 表示将数组修改为n维数组
- ndmin参数只能将低维度数组转换成高维数组，反之不行
# -*- coding:utf-8 -*-
import numpy as np
print('低维转高维')
arr = np.array([1,2,3])
result1 = np.array(arr,ndmin =2)
result2 = np.array(arr,ndmin =3)
print('原数组\n',arr)
print('转换为二维数组\n',result1)
print('转换为三维数组\n',result2)
print('高维转低维')
arr = np.array([[1,2,3],[4,5,6]])
result1 = np.array(arr,ndmin =1)
print('原数组\n',arr)
print('转换后的数组\n',result1)
print('如上结果高维转低维并未成功')数组翻转
语法：numpy.transpose(arr)
将数组翻转，m*n →n*m
# -*- coding:utf-8 -*-
import numpy as np
print('数组翻转')
arr = np.arange(1,21).reshape(4,5)
print('原数组\n',arr)
arr1 = np.transpose(arr)
print('翻转后的数组\n',arr1)数组去重
语法： numpy.unique(arr)
- unique()返回的是一个一维数组。
# -*- coding:utf-8 -*-
import numpy as np
print('一维数组')
arr = np.array([1,1,2,2,3,3,4,4,5,5,6,6])
print('原数组\n',arr)
arr1 = np.unique(arr)
print('去重后的数组\n',arr1)
print('二维数组')
arr = np.array([[1,1,2,2,3,3,7],[4,4,5,5,6,6,7]])
print('原数组\n',arr)
arr1 = np.unique(arr)
print('去重后的数组\n',arr1)
print('列表去重')
nums =[1,2,3,4,5,4,3,2,1]
arr = np.array(nums)
result = list(np.unique(arr))
print(result)数组合并
语法：numpy.concatenate((arr1,arr2),axis=n)
- 沿“现有轴”合并两个数组
- arr1和arr2是形状相同，元素类型相同的数组
# -*- coding:utf-8 -*-
import numpy as np
arr1 = np.array([[1,2,3],[4,5,6]])
arr2 = np.array([[7,8,9],[10,11,12]])
print('原数组arr1\n',arr1)
print('原数组arr2\n',arr2)
print('沿着 纵轴 合并,垂直堆叠 等价于 vstack()')
result1 = np.concatenate((arr1,arr2),axis = 0)
print('合并的数组\n',result1)
print('沿着 横轴 合并,水平堆叠 等价于 hstack()')
result2 = np.concatenate((arr1,arr2),axis = 1)
print('合并的数组\n',result2)
语法：
numpy.hstack((arr1,arr2)) 沿“现有轴”水平合并
numpy.vstack((arr1,arr2)) 沿“现有轴”垂直合并
# -*- coding:utf-8 -*-
import numpy as np
arr1 = np.array([[1,2,3],[4,5,6]])
arr2 = np.array([[7,8,9],[10,11,12]])
print('原数组arr1\n',arr1)
print('原数组arr2\n',arr2)
print('沿着 纵轴 合并')
result1 = np.hstack((arr1,arr2))
print('合并的数组\n',result1)
print('沿着 横轴 合并')
result2 = np.vstack((arr1,arr2))
print('合并的数组\n',result2)
语法：numpy.stack((arr1,arr2),axis=n)
- 沿“新的轴”合并（堆叠）两个数组
- arr1和arr2是形状相同，元素类型相同的数组
- axis用于指定沿哪一条轴操作
- 合并后的数组维度会更大
# -*- coding:utf-8 -*-
import numpy as np
arr1 = np.array([[1,2,3],[4,5,6]])
arr2 = np.array([[7,8,9],[10,11,12]])
print('原数组arr1\n',arr1)
print('原数组arr2\n',arr2)
print('沿着 纵轴 合并')
result1 = np.stack((arr1,arr2),axis = 0)
print('合并的数组,合并后是个三维数组\n',result1)
print('沿着 横轴 合并')
result2 = np.stack((arr1,arr2),axis = 1)
print('合并的数组,合并后是个三维数组\n',result2)数组分割
语法：numpy.split(arr,section = 整数或数组 ， axis = n)
- section 为整数：表示用该整数进行平均分割
- section为数组：表示沿着轴的位置进行分割（左开有闭）
- axis = 0 表示沿着纵轴分割(垂直分割) 等价于 np.vsplit(arr,section =m）
- axis = 1 表示沿着纵轴分割(垂直分割) 等价于 np.hsplit(arr,section =m）
# -*- coding:utf-8 -*-
import numpy as np
print('一维数组')
arr = np.arange(10)
print('原数组arr\n',arr)
result1 = np.split(arr,5)
print('分割后的数组(section=5)\n',result1)
print('类型',type(result1))
result2 = np.split(arr,2)
print('分割后的数组(section=2)\n',result2)
print('类型',type(result2))# -*- coding:utf-8 -*-
import numpy as np
print('二维数组')
arr = np.arange(10).reshape(5,2)
print('原数组arr\n',arr)
result1 = np.split(arr,5,axis=0)
result2 = np.vsplit(arr,5)
print('axis = 0 表示沿着纵轴分割(垂直分割) 等价于 np.vsplit(arr,2)')
print('分割后的数组(section=5,axis=0)\n',result1)
print('分割后的数组(vsplit)\n',result2)
print('---------分割线----------')
result3 = np.split(arr,2,axis=1)
result4 = np.hsplit(arr,2)
print('axis = 1 表示沿着横轴分割(水平分割) 等价于 np.hsplit(arr,2)')
print('分割后的数组(section=2,axis=1)\n',result3)
print('分割后的数组(hsplit)\n',result4)# -*- coding:utf-8 -*-
import numpy as np
print('section 是数组')
arr = np.arange(12)
print('原数组arr\n',arr)
result1 = np.split(arr,[1,2,3],axis=0)
print('分割后的数组(是数组,axis=0)\n',result1)
result2 = np.split(arr,[1,2,4],axis=0)
print('分割后的数组(是数组,axis=0)\n',result2)
学习参考资料：《从0到1Python数据分析》