修改陣列項目

NumPy 提供了不少修改多維陣列項目的方法，這篇教學將會介紹 NumPy 裡添加、刪除、修改陣列項目的基本方法。

本篇使用的 Python 版本為 3.7.12，所有範例可使用 Google Colab 實作，不用安裝任何軟體 ( 參考：使用 Google Colab )

修改陣列項目的方法

NumPy 有下列幾種修改陣列項目的方法：

numpy.resize()

numpy.resize() 會將原本的陣列調整為新的尺寸，運作原理是先把原本陣列的元素攤平，再依序放入新尺寸的陣列中，若新尺寸大於原本的項目數量，就依序重複放入，如果新尺寸小於原本的數量，就會捨棄超過的項目。

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() 會將項目添加到陣列最後面，並返回一個一維陣列，第一參數為 arr 原本的陣列，第二個參數為要加入的內容。

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]

如果加入的內容數量和原本的陣列相同，可以設定第三個參數 ( 預設 None ) 為 0 ( 行 ) 或 1 ( 列 )，指定資料插入的維度。

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() 會將項目添加到陣列指定的位置，並返回一個一維陣列，第一參數為 arr 原本的陣列，第二個參數為加入的位置，第三個參數是要加入的內容，如果設定第四個參數 ( 預設 None ) 為 0 ( 行 ) 或 1 ( 列 )，則可以指定資料插入的維度。

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() 會將項目刪除陣列中指定位置的項目，並返回一個一維陣列，第一參數為 arr 原本的陣列，第二個參數為要刪除的項目位置，如果設定第三個參數 ( 預設 None ) 為 0 ( 行 ) 或 1 ( 列 )，則可以指定資料插入的維度。

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() 會取出不重複的項目，返回一個一維陣列，第一個參數 arr 為原本的陣列，另外還有三個預設為 False 的參數 。

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]))

意見回饋

如果有任何建議或問題，可傳送「意見表單」給我，謝謝～