Python
数据挖掘基础
Numpy

如何优雅的遍历一个数组，使用嵌套for循环吗？

当我们想要遍历一个多维数组的时候，如果通过不停的使用循环去遍历，这会让我们的代码可读性与性能都变得很差，numpy提供了一个函数nditer,以帮助我们遍历数组。nditer的入参是一个数组，返回值是一个可迭代对象。nditer 默认会优先遍历行序，通过order参数可以使其优先遍历列序。

numpy.nditer

nditer返回一个迭代器对象
nditer默认优先遍历行序
nditer默认返回0维数组

import numpy as nparray_2d = np.arange(0, 10).reshape(2, 5)print(array_2d)# 优先行序遍历for element in np.nditer(array_2d): print(element)# 优先列序遍历for element in np.nditer(array_2d, order='F'): print(element)# 返回1维数组for element in np.nditer(array_2d, flags=['external_loop'],order='F'): print(element)

改变数组形状

在实际问题的处理之中，我们经常需要改变数组的形状，以转换为更为适合处理的数据结构。reshape用于在不改变数组数据的条件下，修改数组的形状，我们在快速创建矩阵的适合已经多次使用过该函数。下面再来简单回顾一下。

reshape

numpy.reshape(arr, newshape, order=’C’)
arr 是需要改变形状的数组
newshape 是新数组的维度属性，新数组的维度属性应与原数组兼容，例如行列相等
order 是指定按行序或列序改变数组，’C’ — 按行，’F’ — 按列，’A’ — 原顺序，’k’ — 元素在内存中的出现顺序。其默认值为’C’。

数组转置

ndarray.T,该方法会将数组进行行列转换

import numpy as nparray_2d = np.arange(0,10).reshape(2,5)print(array_2d)print(array_2d.T)

数组切割

数据切割，顾名思义是将数组切割为多个数组。关于数组切割，numpy提供了一个强大的函数split，split可以指定按照横向或则竖向切割数组。

numpy.split(ary, indices_or_sections, axis)
ary 是需要切割数组
indices_or_sections 指定需要切割的份数
axis 是指定数组的切割方向，默认为0，横向切割， axis=1时为竖向切割

import numpy as np# 按行切割array_2d = np.arange(0,10).reshape(2,5)print(array_2d)print(np.split(array_2d,2))# 按列切割array_2d = np.arange(0,12).reshape(2,6)print(array_2d)print(np.split(array_2d,3,axis=1))

向数组中添加元素

numpy提供了两个向数组中添加元素的方法，分别时append方法和insert方法。append方法会将元素添加至原数组末尾，insert方法会将元素插入到指定索引位置。下面分别来练习一下两种方法的使用。

append

numpy.append(arr, values, axis=None)
append默认返回一个一维数组
arr为需要执行插入操作的数组
values为需要插入的值
axis指定插入方式 axis=0为按行插入，axis=1为按列插入
当指定axis时插入的数组维度必须与原数组相等

import numpy as nparray_2d = np.arange(0,10).reshape(2,5)print(array_2d)#向数组中插入元素new_array_1d = np.append(array_2d,[1,2,3])print(new_array_1d)#按行序向数组中插入元素# 注意：当指定行列时，输入数组的维度必须与原数组相同new_array_2d = np.append(array_2d,[[10,11,12,13,14]],axis=0)print(new_array_2d)#按列序向数组中插入元素np.append(array_2d,[[5],[10]],axis=1)print(array_2d)

insert

numpy.insert(arr, obj, values, axis)
insert默认返回一个一维数组
arr 需要插入元素的数组
obj 需要插入的索引位置
values 需要插入的值
axis 指定插入方式，axis=0为按行插入，axis=1为按列插入

import numpy as nparray_2d = np.arange(0,10).reshape(2,5)print(array_2d)# 向指定位置插入元素new_array_1d = np.insert(array_2d,obj=5,values=[100,101])print(new_array_1d)# 向指定位置按行序插入元素new_array_2d = np.insert(array_2d,obj=1,values=[10,11,12,13,14],axis=0)print(new_array_2d)# 向指定位置按列序插入元素new_array_2d = np.insert(array_2d,obj=1,values=[5,10],axis=1)print(new_array_2d)

删除数组中的元素

怎么样，通过numpy我们可以很方便的操作复杂的数组，下面来看一下本节最后一个内容，数组中元素的删除delete，delete与insert，append一样它们不会改变元素组，而是会返回一个新数组，下面来练习一下delete的使用。

delete

numpy.delete(arr, obj, axis)
arr 是需要执行删除操作的数组
obj 是需要删除元素的索引位置
axis 是指定行序列序，axis=0为行序，axis=1为列序，默认是将数组展开为1维数组

import numpy as nparray_2d = np.arange(0,10).reshape(2,5)print(array_2d)# 将数组展开为一维数组后删除指定索引位置元素，并返回一维数组new_array_1d = np.delete(array_2d,3)print(new_array_1d)# 删除指定行序位置的元素new_array_2d = np.delete(array_2d,0,axis=0)print(new_array_2d)# 删除指定列序位置的元素new_array_2d = np.delete(array_2d,1,axis=1)print(new_array_2d)

关于numpy的基础即将结束，下一章将会讲解numpy的统计、排序与筛选，在这之后便会进入下一张pandas基础的讲解。

转载请注明出处

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。