> import numpy as np 
> a = np.array([[1,2],[3,4],[5,6]])#创建3行2列二维数组。 
> a 
array([[1, 2], 
 [3, 4], 
 [5, 6]]) 
> a = np.zeros(6)#创建长度为6的，元素都是0一维数组 
> a = np.zeros((2,3))#创建3行2列，元素都是0的二维数组 
> a = np.ones((2,3))#创建3行2列，元素都是1的二维数组 
> a = np.empty((2,3)) #创建3行2列,未初始化的二维数组 
> a = np.arange(6)#创建长度为6的，元素都是0一维数组array([0, 1, 2, 3, 4, 5]) 
> a = np.arange(1,7,1)#结果与np.arange(6)一样。第一，二个参数意思是数值从1"background-color: #ccffcc">增



> a = np.array([[1,2],[3,4],[5,6]])
> b = np.array([[10,20],[30,40],[50,60]])
> np.vstack((a,b))
array([[ 1, 2],
 [ 3, 4],
 [ 5, 6],
 [10, 20],
 [30, 40],
 [50, 60]])
> np.hstack((a,b))
array([[ 1, 2, 10, 20],
 [ 3, 4, 30, 40],
 [ 5, 6, 50, 60]])


不同维数的数组直接相加显然是不允许的。但是可以用一个n行列向量和一个m列行向量构造出一个n×m矩阵


> a = np.array([[1],[2]]) 
> a 
array([[1], 
 [2]]) 
> b=([[10,20,30]])#生成一个list，注意，不是np.array。 
> b 
[[10, 20, 30]] 
> a+b 
array([[11, 21, 31], 
 [12, 22, 32]]) 
> c = np.array([10,20,30]) 
> c 
array([10, 20, 30]) 
> c.shape 
(3,) 
> a+c 
array([[11, 21, 31], 
 [12, 22, 32]]) 


查


> a
array([[1, 2],
 [3, 4],
 [5, 6]])
> a[0] # array([1, 2])
> a[0][1]#2
> a[0,1]#2
> b = np.arange(6)#array([0, 1, 2, 3, 4, 5])
> b[1:3]#右边开区间array([1, 2])
> b[:3]#左边默认为 0array([0, 1, 2])
> b[3:]#右边默认为元素个数array([3, 4, 5])
> b[0:4:2]#下标递增2array([0, 2])


NumPy的where函数使用
np.where(condition, x, y)，第一个参数为一个布尔数组，第二个参数和第三个参数可以是标量也可以是数组。


cond = numpy.array([True,False,True,False]) 
a = numpy.where(cond,-2,2)# [-2 2 -2 2] 
cond = numpy.array([1,2,3,4]) 
a = numpy.where(cond>2,-2,2)# [ 2 2 -2 -2] 
b1 = numpy.array([-1,-2,-3,-4]) 
b2 = numpy.array([1,2,3,4]) 
a = numpy.where(cond>2,b1,b2) # 长度须匹配# [1,2,-3,-4] 


改


> a = np.array([[1,2],[3,4],[5,6]]) 
> a[0] = [11,22]#修改第一行数组[1,2]为[11,22]。 
> a[0][0] = 111#修改第一个元素为111,修改后，第一个元素“1”改为“111”。 
 
> a = np.array([[1,2],[3,4],[5,6]]) 
> b = np.array([[10,20],[30,40],[50,60]]) 
> a+b #加法必须在两个相同大小的数组键间运算。 
array([[11, 22], 
 [33, 44], 
 [55, 66]]) 


不同维数的数组直接相加显然是不允许的。但是可以用一个n行列向量和一个m列行向量构造出一个n×m矩阵


> a = np.array([[1],[2]])
> a
array([[1],
 [2]])
> b=([[10,20,30]])#生成一个list，注意，不是np.array。
> b
[[10, 20, 30]]
> a+b
array([[11, 21, 31],
 [12, 22, 32]])
> c = np.array([10,20,30])
> c
array([10, 20, 30])
> c.shape
(3,)
> a+c
array([[11, 21, 31],
 [12, 22, 32]])


数组和一个数字的加减乘除的运算，相当于一个广播，把这个运算广播到各个元素中去。


> a = np.array([[1,2],[3,4],[5,6]]) 
> a*2#相当于a中各个元素都乘以2.类似于广播。 
array([[ 2, 4], 
 [ 6, 8], 
 [10, 12]]) 
> a**2 
array([[ 1, 4], 
 [ 9, 16], 
 [25, 36]]) 
> a>3 
array([[False, False], 
 [False, True], 
 [ True, True]]) 
> a+3 
array([[4, 5], 
 [6, 7], 
 [8, 9]]) 
> a/2 
array([[0.5, 1. ], 
 [1.5, 2. ], 
 [2.5, 3. ]]) 


删
方法一：
利用查找中的方法，比如a=a[0]，操作完居后，a的行数只剩一行了。


> a = np.array([[1,2],[3,4],[5,6]]) 
> a[0] 
array([1, 2]) 


方法二：


> a = np.array([[1,2],[3,4],[5,6]]) 
> np.delete(a,1,axis = 0)#删除a的第二行。 
array([[1, 2], 
 [5, 6]]) 
> np.delete(a,(1,2),0)#删除a的第二，三行。 
array([[1, 2]]) 
> np.delete(a,1,axis = 1)#删除a的第二列。 
array([[1], 
 [3], 
 [5]]) 


方法三：
先分割，再按切片a=a[0]赋值。


> a = np.array([[1,2],[3,4],[5,6]]) 
> np.hsplit(a,2)#水平分割（搞不懂，明明是垂直分割嘛？） 
[array([[1], 
 [3], 
 [5]]), array([[2], 
 [4], 
 [6]])] 
> np.split(a,2,axis = 1)#与np.hsplit(a,2)效果一样。 
 
> np.vsplit(a,3) 
[array([[1, 2]]), array([[3, 4]]), array([[5, 6]])] 
> np.split(a,3,axis = 0)#与np.vsplit(a,3)效果一样。 



以上这篇Numpy array数据的增、删、改、查实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。