numpy基本操作(5):配列操作

1.配列形状の変更
関数＃カンスウ＃
説明reshape
データを変更せずに形状を変更flat
配列要素反復flatten
配列コピーを返します.コピーの変更は元の配列に影響しません.ravel
展開配列を返す

import numpy as np

#numpy.reshape                  
# numpy.reshape(arr, newshape, order='C')
a=np.arange(8)
print(a)
b=a.reshape(4,2)
print(b)
#[0 1 2 3 4 5 6 7]
#[[0 1]
# [2 3]
# [4 5]
# [6 7]]

#numpy.ndarray.flat           
a=np.arange(9).reshape(3,3)
for row in a:
    print(row)
#[0 1 2]
#[3 4 5]
#[6 7 8]

for element in a.flat:
    print(element)
#0
#1
#2
#3
#4
#5
#6
#7
#8

#numpy.ndarray.flatten         ，                
a=np.arange(8).reshape(2,4)
print(a)
print("
")
#[[0 1 2 3]
# [4 5 6 7]]
print(a.flatten())
print("
")
#[0 1 2 3 4 5 6 7]
print(a.flatten(order="F"))
#[0 4 1 5 2 6 3 7]    

#numpy.ravel()       ,     "C  ",                 .         ：
a=np.arange(8).reshape(2,4)
print(a)
print("
")
#[[0 1 2 3]
# [4 5 6 7]]
print(a.ravel())
print("
")
#[0 1 2 3 4 5 6 7]
print(a.ravel(order="F"))
#[0 4 1 5 2 6 3 7]

2.配列の反転
関数＃カンスウ＃
説明transpose
配列を入れ替える次元ndarray.T self.transpose()と同じですrollaxis
指定した軸を後ろにスクロールswapaxes
配列の2つの軸を入れ替える

import numpy as np

#numpy.transpose            ，    ：numpy.transpose(arr, axes)
a=np.arange(12).reshape(3,4)
print(a)
print("
")
print(np.transpose(a))#prine(a.transpose())
#[[ 0  1  2  3]
# [ 4  5  6  7]
# [ 8  9 10 11]]
#
#
#[[ 0  4  8]
# [ 1  5  9]
# [ 2  6 10]
# [ 3  7 11]]

#numpy.ndarray.T    numpy.transpose：
a = np.arange(12).reshape(3,4)
print (a)
print ('
')
print (a.T)
#[[ 0  1  2  3]
# [ 4  5  6  7]
# [ 8  9 10 11]]
#
#
#[[ 0  4  8]
# [ 1  5  9]
# [ 2  6 10]
# [ 3  7 11]]


#numpy.rollaxis                 ,    numpy.rollaxis(arr, axis, start)
a = np.arange(8).reshape(2,2,2)
print(a)
print("
")
#[[[0 1]
#  [2 3]]
#
# [[4 5]
#  [6 7]]]
print(np.rollaxis(a,2))
print("
")
#[[[0 2]
#  [4 6]]
#
# [[1 3]
#  [5 7]]]
print(np.rollaxis(a,2,1))
#[[[0 2]
#  [1 3]]
#
# [[4 6]
#  [5 7]]]

#numpy.swapaxes             ，    ：numpy.swapaxes(arr, axis1, axis2)
a = np.arange(8).reshape(2,2,2)
print(a)
print("
")
#[[[0 1]
#  [2 3]]
#
# [[4 5]
#  [6 7]]]
print (np.swapaxes(a, 2, 0))
#[[[0 4]
#  [2 6]]
#
# [[1 5]
#  [3 7]]]

3.配列次元の変更
次元＃ジゲン＃
説明broadcast
放送をまねる対象が生まれるbroadcast_to
配列を新しいシェイプにブロードキャストするexpand_dims
拡張配列の形状squeeze
配列のシェイプから1 Dエントリを削除するには

import numpy as np

#numpy.broadcast         ,       ,                      。
x = np.array([[1], [2], [3]])
y = np.array([4, 5, 6]) 
b=np.broadcast(x,y)
r,c=b.iters
print(next(r),next(c))
print(next(r),next(c))
print("
")
#1 4
#1 5
print(b.shape)
#(3, 3)
#      broadcast   x   y   
b = np.broadcast(x,y)
c=np.empty(b.shape)
print(c.shape)
c.flat=[u+v for (u,v) in b]
print(c)
#(3, 3)
#[[5. 6. 7.]
# [6. 7. 8.]
# [7. 8. 9.]]

#      NumPy             
print (x + y)
#[[5 6 7]
# [6 7 8]
# [7 8 9]]

#numpy.broadcast_to            。             .      .
#         NumPy     ,        ValueError.numpy.broadcast_to(array, shape, subok)
a = np.arange(4).reshape(1,4)
print (a)
print (np.broadcast_to(a,(4,4)))
#[[0 1 2 3]]
#[[0 1 2 3]
# [0 1 2 3]
# [0 1 2 3]
# [0 1 2 3]]

#numpy.expand_dims                     ,      :numpy.expand_dims(arr, axis)
x = np.array(([1,2],[3,4]))
print(x)
print(x.shape)
y=np.expand_dims(x,axis=0)
print(y)
print(y.shape)
#[[1 2]
# [3 4]]
#(2, 2)
#[[[1 2]
#  [3 4]]]
#(1, 2, 2)

y = np.expand_dims(x, axis = 1)
print (y)
print(y.shape)
#[[[1 2]]
#
# [[3 4]]]
#(2, 1, 2)


#numpy.squeeze                  ，      :numpy.squeeze(arr, axis)
x = np.arange(9).reshape(1,3,3)
print(x)
print(x.shape)
y=np.squeeze(x)
print(y)
print(y.shape)
#[[[0 1 2]
#  [3 4 5]
#  [6 7 8]]]
#(1, 3, 3)
#[[0 1 2]
# [3 4 5]
# [6 7 8]]
#(3, 3)

 4.接続配列
関数＃カンスウ＃
説明concatenate
既存の軸に沿った配列シーケンスの接続stack
新しい軸に沿って一連の配列を追加します.hstack
水平スタックシーケンスの配列(列方向)vstack
垂直スタックシーケンスの配列(行方向)

#numpy.concatenate                      ,numpy.concatenate((a1, a2, ...), axis)
a = np.array([[1,2],[3,4]])
print (a)
#[[1 2]
# [3 4]]
b = np.array([[5,6],[7,8]])
print (b)
#[[5 6]
# [7 8]]
print (np.concatenate((a,b)))
#[[1 2]
# [3 4]
# [5 6]
# [7 8]]
print (np.concatenate((a,b),axis = 1))
#[[1 2 5 6]
# [3 4 7 8]]

#numpy.stack              ，    ：numpy.stack(arrays, axis)
a = np.array([[1,2],[3,4]])
print(a)
#[[1 2]
# [3 4]]
b = np.array([[5,6],[7,8]])
print (b)
#[[5 6]
# [7 8]]
print (np.stack((a,b),0))
#[[[1 2]
#  [3 4]]
#
# [[5 6]
#  [7 8]]]
print (np.stack((a,b),1))
#[[[1 2]
#  [5 6]]
#
# [[3 4]
#  [7 8]]]

#numpy.hstack   numpy.stack      ，            。
a = np.array([[1,2],[3,4]])
print (a)
#[[1 2]
# [3 4]]
b = np.array([[5,6],[7,8]])
print (b)
#[[5 6]
# [7 8]]
c = np.hstack((a,b))
print (c)
#[[1 2 5 6]
# [3 4 7 8]]

#numpy.vstack   numpy.stack      ，            。
a = np.array([[1,2],[3,4]])
print (a)
#[[1 2]
# [3 4]]
b = np.array([[5,6],[7,8]])
print (b)
#[[5 6]
# [7 8]]
c = np.vstack((a,b))
print (c)
#[[1 2]
# [3 4]
# [5 6]
# [7 8]]

 5.分割配列
関数＃カンスウ＃
配列および操作split
1つの配列を複数のサブ配列に分割hsplit
1つの配列を複数のサブ配列に水平に分割(列別)vsplit
1つの配列を複数のサブ配列に垂直に分割(行単位)

import numpy as np

#numpy.split                 ，    ：
#numpy.split(ary, indices_or_sections, axis)
#indices_or_sections：      ，        ，       ，        （    ）
#axis：          ，   0，    。 1 ，    
a = np.arange(9)
print (a) 
#               
b = np.split(a,3)
print (b)
#                
b = np.split(a,[4,7])
print (b)
#[0 1 2 3 4 5 6 7 8]
#[array([0, 1, 2]), array([3, 4, 5]), array([6, 7, 8])]
#[array([0, 1, 2, 3]), array([4, 5, 6]), array([7, 8])]


#numpy.hsplit           ，                       。
harr = np.floor(10 * np.random.random((2, 6)))
print(harr)
print(np.hsplit(harr, 3))
#[[7. 4. 7. 9. 1. 9.]
# [0. 3. 5. 7. 6. 1.]]
#[array([[7., 4.],
#       [0., 3.]]), array([[7., 9.],
#       [5., 7.]]), array([[1., 9.],
#       [6., 1.]])]

#numpy.vsplit        ，      hsplit    。
a = np.arange(16).reshape(4,4)
print (a)
b = np.vsplit(a,2)
print (b)
#[[ 0  1  2  3]
# [ 4  5  6  7]
# [ 8  9 10 11]
# [12 13 14 15]]
#[array([[0, 1, 2, 3],
#       [4, 5, 6, 7]]), array([[ 8,  9, 10, 11],
#       [12, 13, 14, 15]])]

 6.配列要素の追加と削除
関数＃カンスウ＃
要素と説明resize
指定したシェイプの新しい配列を返しますappend
配列の末尾に値を追加insert
指定した軸に沿って値を指定した下付き文字に挿入する前にdelete
ある軸のサブ配列を削除し、削除後の新しい配列を返します.unique
配列内の一意の要素の検索

import numpy as np

#numpy.resize             。
#             ，              。
#numpy.resize(arr, shape)

a = np.array([[1,2,3],[4,5,6]])
print (a)
print (a.shape)
#[[1 2 3]
# [4 5 6]]
#(2, 3)
b = np.resize(a, (3,2))
print (b)
print (b.shape)
#[[1 2]
# [3 4]
# [5 6]]
#(3, 2)

b = np.resize(a,(3,3))
print (b)
#[[1 2 3]
# [4 5 6]
# [1 2 3]]

#numpy.append            。            ，              。
#  ，                ValueError。
#append               。
a = np.array([[1,2,3],[4,5,6]])
print (a)
#[[1 2 3]
# [4 5 6]]
print (np.append(a, [7,8,9]))
#[1 2 3 4 5 6 7 8 9]
print (np.append(a, [[7,8,9]],axis = 0))
#[[1 2 3]
# [4 5 6]
# [7 8 9]]
print (np.append(a, [[5,5,5],[7,8,9]],axis = 1))
#[[1 2 3 5 5 5]
# [4 5 6 7 8 9]]

#numpy.insert          ，             。
#            ，         。        ，          。
#   ，      ，         。
#numpy.insert(arr, obj, values, axis)
import numpy as np
 
a = np.array([[1,2],[3,4],[5,6]])
print (a)
#[[1 2]
# [3 4]
# [5 6]]
print (np.insert(a,3,[11,12]))
#[ 1  2  3 11 12  4  5  6]

#    Axis   。             
print (np.insert(a,1,[11],axis = 0))
#[[ 1  2]
# [11 11]
# [ 3  4]
# [ 5  6]]
print (np.insert(a,1,11,axis = 1))
#[[ 1 11  2]
# [ 3 11  4]
# [ 5 11  6]]


#numpy.delete                      。 
#  insert()        ，        ，        。
#Numpy.delete(arr, obj, axis)
a = np.arange(12).reshape(3,4)
print (a)
#[[ 0  1  2  3]
# [ 4  5  6  7]
# [ 8  9 10 11]]
#    Axis   。              。
print (np.delete(a,5))
#[ 0  1  2  3  4  6  7  8  9 10 11]
#     
print (np.delete(a,1,axis = 1))
#[[ 0  2  3]
# [ 4  6  7]
# [ 8 10 11]]
#               
a = np.array([1,2,3,4,5,6,7,8,9,10])
print (np.delete(a, np.s_[::2]))
#[ 2  4  6  8 10]

#numpy.unique               。
#numpy.unique(arr, return_index, return_inverse, return_counts)
a = np.array([5,2,6,2,7,5,6,8,2,9])
print (a)
#[5 2 6 2 7 5 6 8 2 9]
u = np.unique(a)
print (u)
#[2 5 6 7 8 9]

#         
u,indices = np.unique(a, return_index = True)
print (indices)
#[1 0 2 4 7 9]

#                   
u,indices = np.unique(a,return_inverse = True)
print (u)
print (indices)
#[2 5 6 7 8 9]
#[1 0 2 0 3 1 2 4 0 5]
#         
print (u[indices])
#[5 2 6 2 7 5 6 8 2 9]
 
#           
u,indices = np.unique(a,return_counts = True)
print (u)
print (indices)
#[2 5 6 7 8 9]
#[3 2 2 1 1 1]

参照先:https://www.runoob.com/numpy/numpy-array-manipulation.html
以上、本人の学習過程を記録する