比較兩個numpy數(shù)組并刪除共有的元素

項(xiàng)目場景

提示：這里簡述項(xiàng)目相關(guān)背景：

兩個numpy數(shù)組要刪掉共有的元素

問題描述

例如：

a=[1,2,3,4,5,6]
b=[1,2,3]

最終我想獲得x=[4,5,6]

解決方案

x=a[~np.in1d((a,b))] 這個語句即可

注意：

in1d中的是1，不是L

numpy數(shù)組元素增刪改查

介紹 NumPy 數(shù)組元素的增刪改查操作，主要有以下方法：

數(shù)組元素操作方法

1. numpy.resize()

numpy.resize() 返回指定形狀的新數(shù)組。

numpy.resize(arr, shape)

使用示例：

import numpy as np
a = np.array([[1,2,3],[4,5,6]])
print(a)
#a數(shù)組的形狀
print(a.shape)
b = np.resize(a,(3,2))
#b數(shù)組
print (b)
#b數(shù)組的形狀
print(b.shape)
#修改b數(shù)組使其形狀大于原始數(shù)組
b = np.resize(a,(3,3))
print(b)

輸出結(jié)果為：

a數(shù)組：
[[1 2 3]
[4 5 6]]

a形狀：
(2, 3)

b數(shù)組：
[[1 2]
[3 4]
[5 6]]

b數(shù)組的形狀：
(3, 2)

修改后b數(shù)組：
[[1 2 3]
[4 5 6]
[1 2 3]]

這里需要區(qū)別 resize() 和 reshape() 的使用方法，它們看起來相似，實(shí)則不同。

resize 僅對原數(shù)組進(jìn)行修改，沒有返回值，而 reshape 不僅對原數(shù)組進(jìn)行修改，同時返回修改后的結(jié)果。

看一組示例，如下所示：

In [1]: import numpy as np
In [2]: x=np.arange(12)
#調(diào)用resize方法
In [3]: x_resize=x.resize(2,3,2)
In [4]: x
Out[4]:
array([[[ 0,  1],
        [ 2,  3],
        [ 4,  5]],
       [[ 6,  7],
        [ 8,  9],
        [10, 11]]])
In [5]: x_resize
#返回None使用print打印
In [6]: print(x_resize)
None
#調(diào)用reshape方法
In [7]: x_shape=x.reshape(2,3,2)
#返回修改后的數(shù)組
In [8]: x_shape
Out[8]:
array([[[ 0,  1],
        [ 2,  3],
        [ 4,  5]],
       [[ 6,  7],
        [ 8,  9],
        [10, 11]]])
In [9]: x
Out[9]:
array([[[ 0,  1],
        [ 2,  3],
        [ 4,  5]],
       [[ 6,  7],
        [ 8,  9],
        [10, 11]]])

2. numpy.append()

在數(shù)組的末尾添加值，它返回一個一維數(shù)組。

numpy.append(arr, values, axis=None)

參數(shù)說明：

• arr：輸入的數(shù)組；
• values：向 arr 數(shù)組中添加的值，需要和 arr 數(shù)組的形狀保持一致；
• axis：默認(rèn)為 None，返回的是一維數(shù)組；當(dāng) axis =0 時，追加的值會被添加到行，而列數(shù)保持不變，若 axis=1 則與其恰好相反。

使用示例：

import numpy as np
a = np.array([[1,2,3],[4,5,6]])
#向數(shù)組a添加元素
print (np.append(a, [7,8,9]))
#沿軸 0 添加元素
print (np.append(a, [[7,8,9]],axis = 0))
#沿軸 1 添加元素
print (np.append(a, [[5,5,5],[7,8,9]],axis = 1))

輸出結(jié)果為：

向數(shù)組a添加元素：
[1 2 3 4 5 6 7 8 9]

沿軸 0 添加元素：
[[1 2 3]
[4 5 6]
[7 8 9]]

沿軸 1 添加元素：
[[1 2 3 5 5 5]
[4 5 6 7 8 9]]

3. numpy.insert()

表示沿指定的軸，在給定索引值的前一個位置插入相應(yīng)的值，如果沒有提供軸，則輸入數(shù)組被展開為一維數(shù)組。

numpy.insert(arr, obj, values, axis)

參數(shù)說明：

• arr：要輸入的數(shù)組
• obj：表示索引值，在該索引值之前插入 values 值；
• values：要插入的值；
• axis：指定的軸，如果未提供，則輸入數(shù)組會被展開為一維數(shù)組。

示例如下：

import numpy as np
a = np.array([[1,2],[3,4],[5,6]])
#不提供axis的情況，會將數(shù)組展開
print (np.insert(a,3,[11,12]))
#沿軸 0 垂直方向
print (np.insert(a,1,[11],axis = 0))
#沿軸 1 水平方向
print (np.insert(a,1,11,axis = 1))

輸出結(jié)果如下：

提供 axis 參數(shù)：
[ 1  2  3 11 12  4  5  6]

沿軸 0：
[[ 1  2]
[11 11]
[ 3  4]
[ 5  6]]

沿軸 1：
[[ 1 11  2]
[ 3 11  4]
[ 5 11  6]]

4. numpy.delete()

該方法表示從輸入數(shù)組中刪除指定的子數(shù)組，并返回一個新數(shù)組。

它與 insert() 函數(shù)相似，若不提供 axis 參數(shù)，則輸入數(shù)組被展開為一維數(shù)組。

numpy.delete(arr, obj, axis)

參數(shù)說明：

• arr：要輸入的數(shù)組；
• obj：整數(shù)或者整數(shù)數(shù)組，表示要被刪除數(shù)組元素或者子數(shù)組；
• axis：沿著哪條軸刪除子數(shù)組。

使用示例：

import numpy as np
a = np.arange(12).reshape(3,4)
#a數(shù)組
print(a)
#不提供axis參數(shù)情況
print(np.delete(a,5))
#刪除第二列
print(np.delete(a,1,axis = 1))
#刪除經(jīng)切片后的數(shù)組
a = np.array([1,2,3,4,5,6,7,8,9,10])
print (np.delete(a, np.s_[::2]))

輸出結(jié)果為：

a數(shù)組：
[[ 0  1  2  3]
[ 4  5  6  7]
[ 8  9 10 11]]

無 axis 參數(shù)：
[ 0  1  2  3  4  6  7  8  9 10 11]

刪除第二列：
[[ 0  2  3]
[ 4  6  7]
[ 8 10 11]]

刪除經(jīng)過切片的數(shù)組：
[ 2  4  6  8 10]

5. numpy.argwhere()

該函數(shù)返回?cái)?shù)組中非 0 元素的索引，若是多維數(shù)組則返回行、列索引組成的索引坐標(biāo)。

示例如下所示：

import numpy as np
x = np.arange(6).reshape(2,3)
print(x)
#返回所有大于1的元素索引
y=np.argwhere(x>1)
print(y)

輸出結(jié)果：

#x數(shù)組
[[0 1 2]
[3 4 5]]
#返回行列索引坐標(biāo)
[[0 2]
[1 0]
[1 1]
[1 2]]

6. numpy.unique()

用于刪除數(shù)組中重復(fù)的元素，其語法格式如下：

numpy.unique(arr, return_index, return_inverse, return_counts)

參數(shù)說明：

• arr：輸入數(shù)組，若是多維數(shù)組則以一維數(shù)組形式展開；
• return_index：如果為 True，則返回新數(shù)組元素在原數(shù)組中的位置（索引）；
• return_inverse：如果為 True，則返回原數(shù)組元素在新數(shù)組中的位置（索引）；
• return_counts：如果為 True，則返回去重后的數(shù)組元素在原數(shù)組中出現(xiàn)的次數(shù)。

示例如下：

import numpy as np
a = np.array([5,2,6,2,7,5,6,8,2,9])
print (a)
#對a數(shù)組的去重
uq = np.unique(a)
print (uq)
#數(shù)組去重后的索引數(shù)組
u,indices = np.unique(a, return_index = True)
#打印去重后數(shù)組的索引
print(indices)
#去重?cái)?shù)組的下標(biāo)：
ui,indices = np.unique(a,return_inverse = True)
print (ui)
#打印下標(biāo)
print (indices)
#返回去重元素的重復(fù)數(shù)量
uc,indices = np.unique(a,return_counts = True)
print (uc)
元素出現(xiàn)次數(shù)：
print (indices)

輸出結(jié)果為：

a數(shù)組：
[5 2 6 2 7 5 6 8 2 9]

去重后的a數(shù)組
[2 5 6 7 8 9]

去重?cái)?shù)組的索引數(shù)組：
[1 0 2 4 7 9]

去重?cái)?shù)組的下標(biāo)：
[2 5 6 7 8 9]

原數(shù)組在新數(shù)組中的下標(biāo)：
[1 0 2 0 3 1 2 4 0 5]

返回去重元素的重復(fù)數(shù)量：
[2 5 6 7 8 9]

統(tǒng)計(jì)重復(fù)元素出現(xiàn)次數(shù)：
[3 2 2 1 1 1]

總結(jié)

以上為個人經(jīng)驗(yàn)，希望能給大家一個參考，也希望大家多多支持腳本之家。

最新評論