苏州建网站皆去苏州聚尚网络优化排名

1 数组的形状变换

NumPy 提供了多种方法来改变数组的形状。这些方法不会改变数组的内容，而是重新组织数据的排列方式。

1.1 reshape() 函数

reshape() 是最常用的形状变换函数，它可以改变数组的形状，前提是变换后的总元素数量与原数组一致。

import numpy as np# 创建一个一维数组
arr = np.arange(12)# 将一维数组变换为 3x4 的二维数组
reshaped_arr = arr.reshape(3, 4)print("原数组：", arr)
print("变换后的数组：\n", reshaped_arr)

注意: 如果变换后的维度不能满足元素总数要求，reshape() 会抛出错误。

1.2 ravel() 函数

ravel() 可以将多维数组展平为一维数组，返回的是原数组的视图，修改展平后的数组也会影响原数组。

# 展平二维数组
flattened_arr = reshaped_arr.ravel()
print("展平后的数组：", flattened_arr)

1.3 transpose() 函数

transpose() 用于对多维数组进行转置操作，交换其维度。对于二维数组，转置会将行和列互换。

# 对二维数组进行转置
transposed_arr = reshaped_arr.transpose()
print("转置后的数组：\n", transposed_arr)

1.4 resize() 函数

resize() 和 reshape() 类似，但不同的是，resize() 会直接修改原数组，并且在调整数组大小时，会自动填充或截取数据。

# 使用 resize 改变数组大小
reshaped_arr.resize(2, 6)
print("使用 resize 改变后的数组：\n", reshaped_arr)

---

2 数组的合并与分割

NumPy 提供了方便的数组合并与分割操作，可以灵活处理数据的拼接与拆分。

2.1 数组的合并

水平合并（hstack） 和 垂直合并（vstack） 是最常见的数组合并操作，用于将多个数组沿着不同轴合并。

# 创建两个数组
arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])# 水平合并
hstack_arr = np.hstack((arr1, arr2))
print("水平合并后的数组：\n", hstack_arr)# 垂直合并
vstack_arr = np.vstack((arr1, arr2))
print("垂直合并后的数组：\n", vstack_arr)

2.2 数组的分割

NumPy 提供了 split() 函数，可以将数组按照指定的规则进行分割。

# 创建一个数组
arr = np.arange(16).reshape(4, 4)# 按行分割为两个数组
split_arr = np.split(arr, 2, axis=0)
print("按行分割的数组：\n", split_arr)# 按列分割为两个数组
split_arr_col = np.split(arr, 2, axis=1)
print("按列分割的数组：\n", split_arr_col)

---

3 数组的排序与搜索

排序和搜索操作在数据分析中非常常用。NumPy 提供了多种方法来对数组进行排序、筛选和搜索。

3.1 数组排序

sort() 函数可以对数组进行排序，支持对一维数组、二维数组进行排序，并且可以指定沿哪个轴进行排序。

# 创建一个随机数组
arr = np.random.randint(1, 100, size=(4, 4))# 对数组进行排序（默认沿最后一个轴）
sorted_arr = np.sort(arr)print("原数组：\n", arr)
print("排序后的数组：\n", sorted_arr)

可以使用 axis 参数指定沿哪个维度进行排序：

# 沿着行排序
sorted_arr_row = np.sort(arr, axis=1)
print("按行排序后的数组：\n", sorted_arr_row)# 沿着列排序
sorted_arr_col = np.sort(arr, axis=0)
print("按列排序后的数组：\n", sorted_arr_col)

3.2 数组的搜索

argmax() 和 argmin() 函数用于查找数组中最大值或最小值的索引，where() 函数则可以用于根据条件查找满足条件的元素。

# 查找数组中最大值和最小值的位置
max_index = np.argmax(arr)
min_index = np.argmin(arr)print("最大值的位置：", max_index)
print("最小值的位置：", min_index)# 使用 where 查找数组中大于 50 的元素
condition = np.where(arr > 50)
print("数组中大于 50 的元素索引：", condition)

3.3 argsort() 函数

argsort() 返回的是排序后的索引值，而不是排序后的数组本身。这在需要保留原数组顺序的同时对索引进行操作时非常有用。

# 创建一个随机数组
arr = np.array([42, 12, 19, 33])# 使用 argsort 获取排序后的索引
sorted_index = np.argsort(arr)
print("排序后的索引：", sorted_index)# 使用排序后的索引访问原数组
sorted_arr = arr[sorted_index]
print("按索引排序后的数组：", sorted_arr)

---

4 数组的去重与重复

NumPy 提供了去重和生成重复数据的功能，这在数据预处理和特征工程中非常常见。

1 数组去重

unique() 函数用于对数组进行去重，返回的是去重后的数组。

# 创建一个包含重复元素的数组
arr = np.array([1, 2, 2, 3, 4, 4, 5])# 使用 unique 函数去重
unique_arr = np.unique(arr)
print("去重后的数组：", unique_arr)

2 数组的重复

tile() 和 repeat() 函数可以用于生成重复数据。

# 使用 repeat 函数重复每个元素 2 次
repeat_arr = np.repeat(arr, 2)
print("重复后的数组：", repeat_arr)# 使用 tile 函数将整个数组重复 2 次
tile_arr = np.tile(arr, 2)
print("数组重复后的结果：", tile_arr)

---