python修改array_Numpyarray数据的增、删、改、查实例准备⼯作：
增、删、改、查的⽅法有很多很多种，这⾥只展⽰出常⽤的⼏种。
>>> import numpy as np
>>> a = np.array([[1,2],[3,4],[5,6]])#创建3⾏2列⼆维数组。
>>> a
array([[1, 2],
[3, 4],
[5, 6]])
>>> a = np.zeros(6)#创建长度为6的，元素都是0⼀维数组
>>> a = np.zeros((2,3))#创建3⾏2列，元素都是0的⼆维数组
>>> a = np.ones((2,3))#创建3⾏2列，元素都是1的⼆维数组
>>> a = np.empty((2,3)) #创建3⾏2列，未初始化的⼆维数组
>>> a = np.arange(6)#创建长度为6的，元素都是0⼀维数组array([0, 1, 2, 3, 4, 5])
>>> a = np.arange(1,7,1)#结果与np.arange(6)⼀样。第⼀，⼆个参数意思是数值从1〜6，不包括7.第三个参数表步长为1.
a = np.linspace(0,10,7) # ⽣成⾸位是0，末位是10，含7个数的等差数列[ 0. 1.66666667 3.33333333 5. 6.66666667
8.33333333 10. ]
a = np.logspace(0,4,5)#⽤于⽣成⾸位是10**0，末位是10**4，含5个数的等⽐数列。[ 1.00000000e+00 1.00000000e+01
1.00000000e+02 1.00000000e+03 1.00000000e+04]
增
>>> a = np.array([[1,2],[3,4],[5,6]])
>>> b = np.array([[10,20],[30,40],[50,60]])
>>> np.vstack((a,b))
array([[ 1, 2],
[ 3, 4],
[ 5, 6],
[10, 20],
[30, 40],
[50, 60]])
>>> np.hstack((a,b))
array([[ 1, 2, 10, 20],
[ 3, 4, 30, 40],
[ 5, 6, 50, 60]])
不同维数的数组直接相加显然是不允许的。但是可以⽤⼀个n⾏列向量和⼀个m列⾏向量构造出⼀个n×m矩阵
>>> a = np.array([[1],[2]])
>>> a
array([[1],
[2]])
>>> b=([[10,20,30]])#⽣成⼀个list，注意，不是np.array。
>>> b
[[10, 20, 30]]
>>> a+b
array([[11, 21, 31],
[12, 22, 32]])
>>> c = np.array([10,20,30])
>>> c
array([10, 20, 30])
>>> c.shape
(3,)
>>> a+c
array([[11, 21, 31],
[12, 22, 32]])
查
>>> a
array([[1, 2],
[3, 4],
[5, 6]])
>>> a[0] # array([1, 2])
>>> a[0][1]#2
>>> a[0,1]#2
>>> b = np.arange(6)#array([0, 1, 2, 3, 4, 5])
>>> b[1:3]#右边开区间array([1, 2])
>>> b[:3]#左边默认为 0array([0, 1, 2])
>>> b[3:]#右边默认为元素个数array([3, 4, 5])
>>> b[0:4:2]#下标递增2array([0, 2])
NumPy的where函数使⽤
np.where(condition, x, y)，第⼀个参数为⼀个布尔数组，第⼆个参数和第三个参数可以是标量也可以是数组。cond = numpy.array([True,False,True,False])
a = numpy.where(cond,-2,2)# [-2 2 -2 2]
cond = numpy.array([1,2,3,4])
a = numpy.where(cond>2,-2,2)# [ 2 2 -2 -2]
b1 = numpy.array([-1,-2,-3,-4])
b2 = numpy.array([1,2,3,4])
a = numpy.where(cond>2,b1,b2) # 长度须匹配# [1,2,-3,-4]
改
>>> a = np.array([[1,2],[3,4],[5,6]])
>>> a[0] = [11,22]#修改第⼀⾏数组[1,2]为[11,22]。
>>> a[0][0] = 111#修改第⼀个元素为111，修改后，第⼀个元素“1”改为“111”。
>>> a = np.array([[1,2],[3,4],[5,6]])
>>> b = np.array([[10,20],[30,40],[50,60]])
>>> a+b #加法必须在两个相同⼤⼩的数组键间运算。
array([[11, 22],
[33, 44],
[55, 66]])
不同维数的数组直接相加显然是不允许的。但是可以⽤⼀个n⾏列向量和⼀个m列⾏向量构造出⼀个n×m矩阵>>> a = np.array([[1],[2]])
>>> a
array([[1],
[2]])
>>> b=([[10,20,30]])#⽣成⼀个list，注意，不是np.array。
>>> b
[[10, 20, 30]]
>>> a+b
array([[11, 21, 31],
[12, 22, 32]])
>>> c = np.array([10,20,30])
>>> c
array([10, 20, 30])
>>> c.shape
(3,)
>>> a+c
array([[11, 21, 31],
[12, 22, 32]])
数组和⼀个数字的加减乘除的运算，相当于⼀个⼴播，把这个运算⼴播到各个元素中去。>>> a = np.array([[1,2],[3,4],[5,6]])
>>> a*2#相当于a中各个元素都乘以2.类似于⼴播。
array([[ 2, 4],
[ 6, 8],
[10, 12]])
>>> a**2
array([[ 1, 4],
[ 9, 16],
[25, 36]])
>>> a>3
python获取数组长度array([[False, False],
[False, True],
[ True, True]])
>>> a+3
array([[4, 5],
[6, 7],
[8, 9]])
>>> a/2
array([[0.5, 1. ],
[1.5, 2. ],
[2.5, 3. ]])
删
⽅法⼀：
利⽤查中的⽅法，⽐如a=a[0]，操作完居后，a的⾏数只剩⼀⾏了。
>>> a = np.array([[1,2],[3,4],[5,6]])
>>> a[0]
array([1, 2])
⽅法⼆：
>>> a = np.array([[1,2],[3,4],[5,6]])
>>> np.delete(a,1,axis = 0)#删除a的第⼆⾏。
array([[1, 2],
[5, 6]])
>>> np.delete(a,(1,2),0)#删除a的第⼆，三⾏。
array([[1, 2]])
>>> np.delete(a,1,axis = 1)#删除a的第⼆列。
array([[1],
[3],
[5]])
⽅法三：
先分割，再按切⽚a=a[0]赋值。
>>> a = np.array([[1,2],[3,4],[5,6]])
>>> np.hsplit(a,2)#⽔平分割(搞不懂，明明是垂直分割嘛？)
[array([[1],
[3],
[5]]), array([[2],
[4],
[6]])]
>>> np.split(a,2,axis = 1)#与np.hsplit(a,2)效果⼀样。
>>> np.vsplit(a,3)
[array([[1, 2]]), array([[3, 4]]), array([[5, 6]])]
>>> np.split(a,3,axis = 0)#与np.vsplit(a,3)效果⼀样。
以上这篇Numpy array数据的增、删、改、查实例就是⼩编分享给⼤家的全部内容了，希望能给⼤家⼀个参考，也希望⼤家多多⽀持脚本之家。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。