极客笔记Numpy 数组的扩展方法
Numpy 是一个强大的 Python 库，主要用于进行大规模的数值计算。本文将详细介绍如何使用 Numpy 来扩展数组，包括数组的合并、重复和其他形式的扩展。我们将通过一系列示例代码来展示这些操作，帮助读者更好地理解和掌握 Numpy 数组的扩展方法。
1. 数组的合并
在处理数据或进行科学计算时，经常需要将多个数组合并为一个大数组。Numpy 提供了多种方式来合并数组，如 np.concatenate, np.vstack, np.hstack 等。
示例代码 1：使用 np.concatenate 合并数组
import numpy as np
# 创建两个数组
array1 = np.array([1, 2, 3])
array2 = np.array([4, 5, 6])
# 沿着第一个轴合并数组
result = np.concatenate((array1, array2))
print(result) # 输出结果：[1 2 3 4 5 6]
Output:
示例代码 2：使用 np.vstack 垂直堆叠数组
import numpy as np
# 创建两个二维数组
array1 = np.array([[1, 2], [3, 4]])
array2 = np.array([[5, 6], [7, 8]])
# 垂直堆叠
result = np.vstack((array1, array2))
print(result)
Output:
示例代码 3：使用 np.hstack 水平堆叠数组
import numpy as np
# 创建两个二维数组
array1 = np.array([[1, 2], [3, 4]])
array2 = np.array([[5, 6], [7, 8]])
# 水平堆叠
result = np.hstack((array1, array2))
print(result)
Output:
2. 数组的重复
有时候我们需要将数组中的元素或整个数组重复几次，Numpy 提供了 np.tile 和 np.repeat 函数来实现这一功能。
示例代码 4：使用 np.tile 重复整个数组
import numpy as np
# 创建一个数组
array = np.array([1, 2, 3])
# 重复整个数组
result = np.tile(array, 2)
print(result) # 输出结果：[1 2 3 1 2 3]
Output:
示例代码 5：使用 np.repeat 重复数组中的元素
import numpy as np
# 创建一个数组
array = np.array([1, 2, 3])
# 重复数组中的每个元素
result = np.repeat(array, 3)
print(result) # 输出结果：[1 1 1 2 2 2 3 3 3]
Output:
3. 数组的形状变换
改变数组的形状是数组操作中的一个常见需求，Numpy 提供了 np.reshape 等函数来实现这一功能。
示例代码 6：使用 np.reshape 改变数组形状
import numpy as np
# 创建一个一维数组
array = np.array([1, 2, 3, 4, 5, 6])
# 改变数组形状为 2x3
result = np.reshape(array, (2, 3))
print(result)
Output:
示例代码 7：使用 np.resize 调整数组大小
import numpy as np
# 创建一个数组
array = np.array([1, 2, 3])
# 调整数组大小
result = np.resize(array, (2, 3))
print(result)
Output:
4. 数组的分割
在数据处理中，我们经常需要将一个大数组分割成多个小数组。Numpy 提供了 np.array_split, np.hsplit, np.vsplit 等函数来实现数组的分割。
示例代码 8：使用 np.array_split 分割数组
import numpy as np
# 创建一个数组
array = np.array([1, 2, 3, 4, 5, 6])
# 分割数组
result = np.array_split(array, 3)
print(result) # 输出结果：[array([1, 2]), array([3, 4]), array([5, 6])]
Output:
示例代码 9：使用 np.hsplit 水平分割数组
import numpy as np
# 创建一个二维数组
array = np.array([[1, 2, 3], [4, 5, 6]])
# 水平分割
result = np.hsplit(array, 3)
print(result)
Output:
示例代码 10：使用 np.vsplit 垂直分割数组
import numpy as np
# 创建一个二维数组
array = np.array([[1, 2, 3], [4, 5, 6]])
# 垂直分割
result = np.vsplit(array, 2)
print(result)
Output:
5. 数组的排序和搜索
Numpy 提供了多种排序和搜索数组的方法，如 np.sort, np.argsort, np.argmax, np.argmin 等。
示例代码 11：使用 np.sort 对数组进行排序
import numpy as np
# 创建一个数组
array = np.array([3, 1, 2])
# 对数组进行排序
result = np.sort(array)
print(result) # 输出结果：[1 2 3]
Output:
示例代码 12：使用 np.argsort 获取排序后的索引
import numpy as np
# 创建一个数组
array = np.array([3, 1, 2])
# 获取排序后的索引
result = np.argsort(array)
print(result) # 输出结果：[1 2 0]
Output:
示例代码 13：使用 np.argmax 获取最大值的索引
import numpy as np
# 创建一个数组
array = np.array([1, 3, 2])
# 获取最大值的索引
result = np.argmax(array)
print(result) # 输出结果：1
Output:
示例代码 14：使用 np.argmin 获取最小值的索引
import numpy as np
# 创建一个数组
array = np.array([1, 3, 2])
# 获取最小值的索引
result = np.argmin(array)
print(result) # 输出结果：0
Output:
6. 数组的数学运算
Numpy 提供了一系列数学函数来支持数组的数学运算，如加法、减法、乘法、除法等。
示例代码 15：数组的加法
import numpy as np
# 创建两个数组
array1 = np.array([1, 2, 3])
array2 = np.array([4, 5, 6])
# 数组加法
result = np.add(array1, array2)
print(result) # 输出结果：[5 7 9]
Output:
示例代码 16：数组的减法
import numpy as np
# 创建两个数组
array1 = np.array([1, 2, 3])
array2 = np.array([4, 5, 6])
# 数组减法
result = np.subtract(array1, array2)
print(result) # 输出结果：[-3 -3 -3]
Output:
示例代码 17：数组的乘法
import numpy as np
# 创建两个数组
array1 = np.array([1, 2, 3])
array2 = np.array([4, 5, 6])
# 数组乘法
result = np.multiply(array1, array2)
print(result) # 输出结果：[ 4 10 18]
Output:
示例代码 18：数组的除法
import numpy as np
# 创建两个数组
array1 = np.array([1, 2, 3])
array2 = np.array([4, 5, 6])
# 数组除法
result = np.divide(array1, array2)
print(result) # 输出结果：[0.25 0.4 0.5 ]
Output:
7. 数组的统计运算
Numpy 提供了一系列统计函数来支持数组的统计运算，如求和、求平均值、求最大值、求最小值等。
示例代码 19：使用 np.sum 求和
import numpy as np
# 创建一个数组
array = np.array([1, 2, 3])
# 求和
result = np.sum(array)
print(result) # 输出结果：6
Output:
示例代码 20：使用 np.mean 求平均值
import numpy as np
# 创建一个数组
array = np.array([1, 2, 3])
# 求平均值
result = np.mean(array)
print(result) # 输出结果：2.0
Output:
以上就是关于 Numpy 数组扩展的一些常见操作和示例代码，希望对你有所帮助。在实际使用中，你可能会遇到更复杂的情况，但只要熟练掌握了这些基本操作，就能够灵活地处理各种问题。如果你想了解更多关于 Numpy 的信息，可以访问其官方网站 numpyarray.com。