ndarray数组的元素类型变换

arr = np.random.randint(1,10,(3,3))
# astype方法返回一个新数组
arr = arr.astype(float) # arr.dtype 是查看数据属性

ndarray数组的维度变换

方法	说明
.reshape(shape)	不改变数组元素，返回一个shape形状的数组,原数组不变
.resize(shape)	与.reshape( )功能一致，但修改原数组
.swapaxes(ax1,ax2)	将数组n个维度中两个维度进行调换
.flatten( )	对数组进行降维，返回折叠后的一维数组,原数组不变

将1维数组转换为2维数组

import numpy as np
a=np.arange(6)
##修改原数组成2行3列
a.shape=2,3
a

代码示例：

import numpy as np
a = np.array([1,2,3,4,5,6])
b = a.reshape(2,3)
c = a.reshape((2,3))# 等价于 b = a.reshape(2,3)
d = np.reshape(a,(2,3))
print(a) # 输出[1 2 3 4 5 6]
print(b) # 输出[[1 2 3] [4 5 6]]
print(c) # 输出[[1 2 3] [4 5 6]]
print(d) # 输出[[1 2 3] [4 5 6]]

将2维数组转换为1维数组

代码示例：

import numpy as np
a = np.array([[1,2,3],[4,5,6]])
b = a.flatten()
c = a.ravel()
d = a.reshape(-1)
print(a) # 输出[[1 2 3] [4 5 6]]
print(b) # 输出[1 2 3 4 5 6]
print(c) # 输出[1 2 3 4 5 6]
print(d) # 输出[1 2 3 4 5 6]

交换二维数组的两个维度(矩阵的转置)

代码示例

import numpy as np
a = np.array([[1,2,3],[4,5,6]])
b = a.transpose()
c = a.T
d = a.swapaxes(0,1)
e = np.transpose(a,(1,0))
print(a) # 输出[[1 2 3] [[4 5 6]]
print(b) # 输出[[1 4] [2 5] [3 6]]
print(c) # 输出[[1 4] [2 5] [3 6]]
print(d) # 输出[[1 4] [2 5] [3 6]]
print(e) # 输出[[1 4] [2 5] [3 6]]

给数组增加一个维度

import numpy as np
a = np.arange(5)
print(a.shape)  # 输出(5,)
# a = np.reshape(a, (1,5))
a = np.reshape(a, (1,-1))
print(a.shape)  # 输出(1,5)
b = np.arange(5)
print(b.shape)  # 输出(5,)
b = np.expand_dims(b,axis=0)
print(b.shape)  # 输出(1,5)

ndarray数组的拼接

给已有的数据添加多行，比如增添一些样本数据

代码展示：

import numpy as np
a = np.array([[1,2,3],[4,5,6]])
b = np.arange(7,13).reshape(2,3)
c = np.concatenate([a,b],axis=0)
d = np.vstack([a,b])
print(a) # 输出[[1 2 3] [4 5 6]]
print(b) # 输出[[ 7  8  9] [10 11 12]]
print(c) # 输出[[ 1  2  3] [ 4  5  6] [ 7  8  9] [10 11 12]]
print(d) # 输出[[ 1  2  3] [ 4  5  6] [ 7  8  9] [10 11 12]]

给已有的数据添加多列，比如增添一些特征进去

代码展示：

import numpy as np
a = np.array([[1,2,3],[4,5,6]])
b = np.arange(7,13).reshape(2,3)
c = np.concatenate([a,b],axis=1)
d = np.hstack([a,b])
print(a) # 输出[[1 2 3] [4 5 6]]
print(b) # 输出[[ 7  8  9] [10 11 12]]
print(c) # 输出[[ 1  2  3  7  8  9] [ 4  5  6 10 11 12]]
print(d) # 输出[[ 1  2  3  7  8  9] [ 4  5  6 10 11 12]]

ndarray数组的分割

将已有的数据按行分割，比如将训练集分割成训练集和验证集

import numpy as np
a = np.arange(1,19).reshape(6,3)
b,c = np.split(a,[4],axis=0)
d,e = np.vsplit(a,[4])
print(a) #输出为 [[ 1  2  3] [ 4  5  6] [ 7  8  9] [10 11 12] [13 14 15] [16 17 18]]
print(b) #前4个样本为1个数组 [[ 1  2  3] [ 4  5  6] [ 7  8  9] [10 11 12]]
print(c) #余下的样本为1个数组 [[13 14 15] [16 17 18]]
print(d) #前4个样本为1个数组 [[ 1  2  3] [ 4  5  6] [ 7  8  9] [10 11 12]]
print(e) #余下的样本为1个数组 [[13 14 15] [16 17 18]]

将已有的数据按列分割，比如将特征和标签分隔

import numpy as np
a = np.arange(1,13).reshape(2,6)
b,c = np.split(a,[-1],axis=1)
d,e = np.hsplit(a,[-1])
print(a) #输出为 [[ 1  2  3  4  5  6] [ 7  8  9 10 11 12]]
print(b) #前面的n-1列特征为1个数组 [[ 1  2  3  4  5] [ 7  8  9 10 11]]
print(c) #最后一列的特征为1个数组 [[ 6] [12]]
print(d) #前面的n-1列特征为1个数组 [[ 1  2  3  4  5] [ 7  8  9 10 11]]
print(e) #最后一列的特征为1个数组 [[ 6] [12]]

数组的复制

import numpy as np
a = np.array([1,2,3])
b = a
c = a[:]
d = np.copy(a)
print(b is a, c is a , d is a) # 输出 True False False
d[0] = 10
print(a,d) # 输出[1 2 3] [10  2  3] d变，a不变
c[0] = 100
print(a,c) #输出[100   2   3] [100   2   3],c变，a变

数组到列表的转换

np.random.seed(123)
arr = np.random.randint(1,10,(3,3))
arr = arr.tolist()
print(arr)   # 输出 [[3, 3, 7], [2, 4, 7], [2, 1, 2]]