• Python

• 數(shù)據(jù)挖掘基礎(chǔ)

• Numpy

如何優(yōu)雅的遍歷一個數(shù)組，使用嵌套for循環(huán)嗎？

當(dāng)我們想要遍歷一個多維數(shù)組的時候，如果通過不停的使用循環(huán)去遍歷，這會讓我們的代碼可讀性與性能都變得很差，numpy提供了一個函數(shù)nditer,以幫助我們遍歷數(shù)組。nditer的入?yún)⑹且粋€數(shù)組，返回值是一個可迭代對象。nditer 默認(rèn)會優(yōu)先遍歷行序，通過order參數(shù)可以使其優(yōu)先遍歷列序。

• nditer返回一個迭代器對象

• nditer默認(rèn)優(yōu)先遍歷行序

• nditer默認(rèn)返回0維數(shù)組

改變數(shù)組形狀

在實(shí)際問題的處理之中，我們經(jīng)常需要改變數(shù)組的形狀，以轉(zhuǎn)換為更為適合處理的數(shù)據(jù)結(jié)構(gòu)。reshape用于在不改變數(shù)組數(shù)據(jù)的條件下，修改數(shù)組的形狀，我們在快速創(chuàng)建矩陣的適合已經(jīng)多次使用過該函數(shù)。下面再來簡單回顧一下。

• numpy.reshape(arr, newshape, order=’C’)

• arr 是需要改變形狀的數(shù)組

• newshape 是新數(shù)組的維度屬性，新數(shù)組的維度屬性應(yīng)與原數(shù)組兼容，例如行列相等

• order 是指定按行序或列序改變數(shù)組，’C’ — 按行，’F’ — 按列，’A’ — 原順序，’k’ — 元素在內(nèi)存中的出現(xiàn)順序。其默認(rèn)值為’C’。

ndarray.T,該方法會將數(shù)組進(jìn)行行列轉(zhuǎn)換

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

數(shù)據(jù)切割，顧名思義是將數(shù)組切割為多個數(shù)組。關(guān)于數(shù)組切割，numpy提供了一個強(qiáng)大的函數(shù)split，split可以指定按照橫向或則豎向切割數(shù)組。

• numpy.split(ary, indices_or_sections, axis)

• ary 是需要切割數(shù)組

• indices_or_sections 指定需要切割的份數(shù)

• axis 是指定數(shù)組的切割方向，默認(rèn)為0，橫向切割， axis=1時為豎向切割

numpy提供了兩個向數(shù)組中添加元素的方法，分別時append方法和insert方法。append方法會將元素添加至原數(shù)組末尾，insert方法會將元素插入到指定索引位置。下面分別來練習(xí)一下兩種方法的使用。

• numpy.append(arr, values, axis=None)

• append默認(rèn)返回一個一維數(shù)組

• arr為需要執(zhí)行插入操作的數(shù)組

• values為需要插入的值

• axis指定插入方式 axis=0為按行插入，axis=1為按列插入

• 當(dāng)指定axis時 插入的數(shù)組維度必須與原數(shù)組相等

import numpy as nparray_2d = np.arange(0,10).reshape(2,5)print(array_2d)#向數(shù)組中插入元素new_array_1d = np.append(array_2d,[1,2,3])print(new_array_1d)#按行序向數(shù)組中插入元素# 注意：當(dāng)指定行列時，輸入數(shù)組的維度必須與原數(shù)組相同new_array_2d = np.append(array_2d,[[10,11,12,13,14]],axis=0)print(new_array_2d)#按列序向數(shù)組中插入元素np.append(array_2d,[[5],[10]],axis=1)print(array_2d)

• numpy.insert(arr, obj, values, axis)

• insert默認(rèn)返回一個一維數(shù)組

• arr 需要插入元素的數(shù)組

• 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為按行插入，axis=1為按列插入

怎么樣，通過numpy我們可以很方便的操作復(fù)雜的數(shù)組，下面來看一下本節(jié)最后一個內(nèi)容，數(shù)組中元素的刪除delete，delete與insert，append一樣它們不會改變元素組，而是會返回一個新數(shù)組，下面來練習(xí)一下delete的使用。

• numpy.delete(arr, obj, axis)

• arr 是需要執(zhí)行刪除操作的數(shù)組

• obj 是需要刪除元素的索引位置

• axis 是指定行序列序，axis=0為行序，axis=1為列序，默認(rèn)是將數(shù)組展開為1維數(shù)組

import numpy as nparray_2d = np.arange(0,10).reshape(2,5)print(array_2d)# 將數(shù)組展開為一維數(shù)組后刪除指定索引位置元素，并返回一維數(shù)組new_array_1d = np.delete(array_2d,3)print(new_array_1d)# 刪除指定行序位置的元素new_array_2d = np.delete(array_2d,0,axis=0)print(new_array_2d)# 刪除指定列序位置的元素new_array_2d = np.delete(array_2d,1,axis=1)print(new_array_2d)

關(guān)于numpy的基礎(chǔ)即將結(jié)束，下一章將會講解numpy的統(tǒng)計、排序與篩選，在這之后便會進(jìn)入下一張pandas基礎(chǔ)的講解。

轉(zhuǎn)載請注明出處