【Python】numpy：唯一值、排序、倒置、判断数组中元素是否在另一个数组中、两数组的交集/并集/差集/异域集、获取/修改数据（含索引/切片）

Numpy是Python的扩展库（第三方库），支持维度数组和矩阵运算，是运算速度很快的数学库。

Numpy官方文档：NumPy user guide — NumPy v2.0 Manual

帮助：可使用help(...)查看函数说明文档（若是第三方库的函数，需先导入库）。例如：help(np.array)

---

Python代码中，导入numpy：

import numpy as np

---

1、唯一值

unique(ar, return_index=False, return_inverse=False, return_counts=False, axis=None)

Returns : ndarray【参数只有数组的情况】，

              （ndarray, optional）【返回元组形式，参数return_index/return_inverse/return_counts=True的情况】

• np.unique(数组)： 去重，获取唯一值（已排序）。
• np.unique(数组, return_index=True)： 去重，获取唯一值（已排序）和唯一值在原数组中第一次出现的索引号。返回元组形式。
• np.unique(数组, return_inverse=True)： 去重，获取唯一值（已排序）和原数组中各元素在新数组中的索引号。返回元组形式。
• np.unique(数组, return_counts=True)： 去重，获取唯一值（已排序）和唯一值在原数组中出现次数。返回元组形式。

 

---

2、排序

（2-1）指定轴、指定字段，排序

sort(a, axis=-1, kind=None, order=None)

Returns : ndarray

•  np.sort(数组)：排序。默认按最后一个维度排序（例如：二维数组，最后一个维度是列，即每行的各列元素排序）。默认快排方式。
•  np.sort(数组, axis=0)：按行排序，即每列的各行元素排序。
• np.sort(数组, axis=1)：按列排序，即每行的各列元素排序。
• np.sort(数组, axis=None)：转为一维数组排序。
• np.sort(数组, order=字段)：指定字段排序。默认按最后一个维度排序。
• np.sort(数组, order=[字段1, 字段2,...])：指定多个字段排序（先按字段1排，字段1的值相同，再按字段2排，...）。默认按最后一个维度排序。
• 也可以数组.sort(...)。但np.sort(...)不会修改原数组，数组.sort(...)会改变原数组。

（2-2）指定轴、指定字段，排序（返回索引号）

argsort(a, axis=-1, kind=None, order=None)

Returns : ndarray, int

 np.argsort(...)：

• 使用方法与np.sort(...)相同。区别如下：
• 返回排序后各元素在原数组中的索引号。
• 若降序排列，第一个参数（即数组）前面加负号。
• 等效方法：数组.argsort(...)。

补充： np.argsort(...)和np.take_along_axis(...)一起用，类似于np.sort(...)效果。

take_along_axis(arr, indices, axis)

Returns: ndarray (Ni..., J, Nk...)

np.take_along_axis(数组, 索引号, axis=指定轴)： 获取排序后的数组，不影响原数组。参数中的索引号可以是np.argsort(...)的结果。

即：先通过np.argsort(...)获取排序后的元素在原数组中的索引号，再通过np.take_along_axis(...)根据索引号获得排序后的数组。

（2-3）多个序列(都作为列)排序（返回索引号）

lexsort(keys, axis= -1)

Returns: (N,) ndarray of ints

 np.lexsort( (序列1, 序列2) )：每个序列作为列，优先按照靠后的序列排序，即先按序列2排序，若值相同，再按序列1排序。默认按最后一个维度排序。返回索引号数组。

---

3、倒置（从头到尾变为从尾到头倒序）

flip(m, axis=None)

Returns: array_like

• np.flip(数组)：数组所有轴所有元素全部倒置，第一行变最后一行，第一列变最后一列。若是二维数组类似于np.flip(数组, axis=(0,1))。
• np.flip(数组, axis=0)：数组按行轴倒置，列不变，每列的各行元素倒置。
• np.flip(数组, axis=1)：数组按列轴倒置，行不变，每行的各列元素倒置。
• np.flip(数组[行索引/切片, 列索引/切片])：数组指定区域的所有轴所有元素全部倒置。
• np.flip(数组[行索引/切片, 列索引/切片], axis=0)：数组指定区域按行轴倒置。
• np.flip(数组[行索引/切片, 列索引/切片], axis=1)：数组指定区域按列轴倒置。

---

4、判断数组中元素是否在另一个数组中

（4-1）一维数组各元素是否在另一个一维数组中

in1d(ar1, ar2, assume_unique=False, invert=False)

Returns: (M,) ndarray, bool

•  np.in1d(一维数组，一维数组或列表）：判断一维数组是否在另一个一维数组或列表中，若在 则True，不在则False。返回布尔类型的数组。
•  np.in1d(一维数组，一维数组或列表，invert=True）：判断一维数组是否不在另一个一维数组或列表中，若不在 则True，在则False。返回布尔类型的数组。
• 参数assume_unique=False，默认结果已去重。

（4-2）数组各元素是否在另一个数组中

isin(element, test_elements, assume_unique=False, invert=False)

Returns: ndarray, bool

•  np.isin(数组，数组或列表）：判断数组是否在另一个数组或列表中，若在 则True，不在则False。返回布尔类型的数组。
•  np.isin(数组，数组或列表，invert=True）：判断数组是否不在另一个数组或列表中，若不在 则True，在则False。返回布尔类型的数组。
• 参数assume_unique=False，默认结果已去重。
• 若参数test_elements是集合，需转为列表，需是有序序列。

---

5、两数组的交集、并集、差集、异域集 

（5-1）交集

intersect1d(ar1, ar2, assume_unique=False, return_indices=False)

Returns : ndarray

注：只适用于2个数组之间求交集。结果已排序。

• np.intersect1d(数组1, 数组2)：获取数组1和数组2的共有元素（即两数组都有的数据）。
• np.intersect1d(数组1, 数组2, return_indices=True)：获取数组1和数组2的共有元素和分别在两数组中的索引号。返回元组形式，（共有元素，共有元素在数组1中的索引号，共有元素在数组2中的索引号）。
• 若求多个数组之间的交集，使用functools库的reduce函数，即 functools.reduce(np.intersect1d, (数组1, 数组2, 数组3, ...))。
• 参数assume_unique=False，默认结果已去重。

（5-2）并集

union1d(ar1, ar2)

Returns : ndarray

注：只适用于2个数组之间求并集。结果去重且已排序。

• np.union1d(数组1, 数组2)：获取数组1和数组2的所有元素（去重，且排序）。
• 若求多个数组之间的交集，使用functools库的reduce函数，即 functools.reduce(np.union1d, (数组1, 数组2, 数组3, ...))。

（5-3）差集

setdiff1d(ar1, ar2, assume_unique=False)

Returns : ndarray

• np.setdiff1d(数组1, 数组2)：从数组1中获取数组2中没有的元素。
• np.setdiff1d(数组2, 数组1)：从数组2中获取数组1中没有的元素。
• 两数组的顺序影响结果。
• 参数assume_unique=False，默认结果已去重。结果已排序。

（5-4）异域集

setxor1d(ar1, ar2, assume_unique=False)

Returns : ndarray

• np.setxor1d(数组1, 数组2)：数组1和数组2中获取交集以外的元素，即数组1有且数组2没有 和 数组2有且数组1没有的元素。
• 参数assume_unique=False，默认结果已去重。结果已排序。

---

6、获取数据或修改数据

（6-1）数组可以通过索引或切片，来获取数据或修改数据。

索引：

• 一维数组：数组[索引号]。
• 二维数组：数组[行索引号, 列索引号]。
• 注：索引号从0开始。最后一个元素的索引号可用 -1表示。

切片：

• 一维数组：数组[起始索引号 : 结束索引号]。
• 二维数组：数组[起始行索引号 : 结束行索引号 , 起始列索引号 : 结束列索引号]。
• 注：① 包含起始索引的值，不含结束索引的值。② 索引号从0开始。最后一个元素的索引号可用 -1表示。③ 若没有起始索引号，则从0开始。若没有结束索引号，则到最后为止。

（6-2）通过条件获取数据或修改数据

• 条件返回的是数组中每个元素的判断结果（True或者False）。
• 再作为索引获取True对应的值。
• 若多个条件，可使用且（&）、或（|）。

（6-3）通过np.nonzero(...)获取非零的数据，也可以获取满足条件的数据

nonzero(a)

Returns : tuple

 np.nonzero(数组)：

• 获取非零数据的索引号。
• 返回元组（有2个元素），一个非零数据的行索引号，一个非零数据的列索引号。

 np.nonzero(条件)：

• 返回元组（有2个元素），一个满足条件的行索引号，一个满足条件的列索引号。
• 若多个条件，可使用且（&）、或（|）。

原文地址：https://blog.csdn.net/yannan20190313/article/details/140423358

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！