修改数组项目

NumPy 提供了不少修改多维数组项目的方法，这篇教学将会介绍 NumPy 里添加、删除、修改数组项目的基本方法。

本篇使用的 Python 版本为 3.7.12，所有范例可使用 Google Colab 实作，不用安装任何软件 ( 参考：使用 Google Colab )

修改数组项目的方法

NumPy 有下列几种修改数组项目的方法：

numpy.resize()

numpy.resize() 会将原本的数组调整为新的尺寸，运作原理是先把原本数组的元素摊平，再依序放入新尺寸的数组中，若新尺寸大于原本的项目数量，就依序重复放入，如果新尺寸小于原本的数量，就会舍弃超过的项目。

import numpy as np

a = np.array([[1,1,1],[2,2,2]])
b = np.resize(a, (3,2))
print(b)
'''
[[1 1]
  [1 2]
  [2 2]]
'''
c = np.resize(a, (5,5))
print(c)
'''
[[1 1 1 2 2]
 [2 1 1 1 2]
 [2 2 1 1 1]
 [2 2 2 1 1]
 [1 2 2 2 1]]
'''
d = np.resize(a, (2,2))
print(d)
'''
[[1 1]
 [1 2]]
'''

numpy.append()

numpy.append() 会将项目添加到数组最后面，并返回一个一维数组，第一参数为 arr 原本的数组，第二个参数为要加入的内容。

import numpy as np

a = np.array([[1,1,1],[2,2,2]])
b = np.append(a, 1)
c = np.append(a, [3,3,3])
print(b)   # [1 1 1 2 2 2 1]
print(c)   # [1 1 1 2 2 2 3 3 3]

如果加入的内容数量和原本的数组相同，可以设定第三个参数 ( 默认 None ) 为 0 ( 行 ) 或 1 ( 列 )，指定数据插入的维度。

import numpy as np

a = np.array([[1,1,1],[2,2,2]])
b = np.append(a, [[3,3,3],[4,4,4]],1)
print(b)
'''
[[1 1 1 3 3 3]
 [2 2 2 4 4 4]]
'''
c = np.append(a, [[3,3,3],[4,4,4]],0)
print(c)
'''
[[1 1 1]
 [2 2 2]
 [3 3 3]
 [4 4 4]]
'''

numpy.insert()

numpy.insert() 会将项目添加到数组指定的位置，并返回一个一维数组，第一参数为 arr 原本的数组，第二个参数为加入的位置，第三个参数是要加入的内容，如果设定第四个参数 ( 默认 None ) 为 0 ( 行 ) 或 1 ( 列 )，则可以指定数据插入的维度。

import numpy as np

a = np.array([[1,1],[2,2],[3,3]])
b = np.insert(a, 1, [4,4])
c = np.insert(a, 2, [4,4])
print(b)   # [1 4 4 1 2 2 3 3]
print(c)   # [1 1 4 4 2 2 3 3]
d = np.insert(a, 2, [4,4], 0)
print(d)
'''
[[1 1]
 [2 2]
 [4 4]
 [3 3]]
'''

numpy.delete()

numpy.delete() 会将项目删除数组中指定位置的项目，并返回一个一维数组，第一参数为 arr 原本的数组，第二个参数为要删除的项目位置，如果设定第三个参数 ( 默认 None ) 为 0 ( 行 ) 或 1 ( 列 )，则可以指定数据插入的维度。

import numpy as np

a = np.array([[1,2],[3,4],[5,6]])
b = np.delete(a, 1)
c = np.delete(a, 2)
print(b)    # [1 3 4 5 6]
print(c)    # [1 2 4 5 6]
d = np.delete(a, 2, 0)
print(d)
'''
[[1 2]
 [3 4]]
'''

numpy.unique()

numpy.unique() 会取出不重复的项目，返回一个一维数组，第一个参数 arr 为原本的数组，另外还有三个默认为 False 的参数 。

import numpy as np

a = np.array([[1,1],[2,2],[3,3]])
b = np.unique(a)
c = np.unique(a, return_index=True)
d = np.unique(a, return_inverse=True)
e = np.unique(a, return_counts=True)
print(b)   # [1 2 3]
print(c)   # (array([1, 2, 3]), array([0, 2, 4]))
print(d)   # (array([1, 2, 3]), array([0, 0, 1, 1, 2, 2]))
print(e)   # (array([1, 2, 3]), array([2, 2, 2]))

意见反馈