NumPy 学习：元素的选择，替换，增删，滚动、排序和索引
在数组中，用axis(轴)表示维度，对于三维数组，axis参数的取值通常有：
- 当axis=None时，表示把数组展开为一维数组；
- 当axis=0时，表示按照行（第一维）进行计算；
- 当axis=1时，表示按照列（第二维）进行计算；
- 当axis=2时，表示按照深度（第三维度）进行计算。
对NumPy的数组进行操作 ，可以修改数组的元素，对元素进行滚动，转置数组，和其他数组进行组合。
一，元素级别的操作
元素级别的操作主要是指元素的选择和操纵
1，选择元素
根据索引和轴来选择元素，组成新的数组：
ndarray.take(indices, axis=None, out=None)
如果提供out参数，那么结果将会存储在该out参数提供的数组中。
a.take([[0, 1], [2, 3]]) array([[4, 3], [5, 7]])
2，替换特定的元素值
把数组展开为一维数组，通过索引来替换值，替换的语法相当于：a.flat[n] = values[n]
ndarray.put(indices, values, mode='raise')
举个例子，把数组a的索引为0的元素替换为-44，把索引为2的元素替换为-55：
>>> a = np.arange(5) >>> a.put([0, 2], [-44, -55]) >>> a array([-44, 1, -55, 3, 4]) >>>
二，数组增删
数组元素的删除，追加和插入，注意，这三个方法都是numpy的方法，不是ndarray对象的：
numpy.delete(arr, obj, axis=None)
numpy.append(arr, values, axis=None)
numpy.insert(arr, obj, values, axis=None)
参数注释：
obj是slice，是元素的索引
- 当要删除单个元素时：对于一维数组，是一个标量；对于二维数组，是一个数组。
- 要删除多个元素时：索引数组
1，按照轴来删除元素
对于二维数组arr，axis=0表示按照行来删除，指定行的索引是1，表示把第二行(5,6,7,8)删除
>>> arr = np.array([[1,2,3,4], [5,6,7,8], [9,10,11,12]]) >>> arr array([[ 1, 2, 3, 4], [ 5, 6, 7, 8], [ 9, 10, 11, 12]]) >>> np.delete(arr, 1, 0) array([[ 1, 2, 3, 4], [ 9, 10, 11, 12]])
2，按照轴来追加元素
向二维数组的末尾追加一行：
>>> np.append(arr,[list(np.arange(13,17))],axis=0) array([[ 1, 2, 3, 4], [ 5, 6, 7, 8], [ 9, 10, 11, 12], [13, 14, 15, 16]])
3，按照数据的分片来插入数组或元素
在数组的arr[1]处插入一列（axis=1）数据：
>>> np.insert(arr,[1],[[13],[14],[15]],axis=1) array([[ 1, 13, 2, 3, 4], [ 5, 14, 6, 7, 8], [ 9, 15, 10, 11, 12]])
三，元素滚动
把数组中的元组滚动指定的偏移，在滚动时，首尾是相连的：
numpy.roll(a, shift, axis=None)
举个例子，把数组向后滚动两个偏移，把数组向前滚动两个偏移：
>>> x = np.arange(10)
>>> np.roll(x, 2)
array([8, 9, 0, 1, 2, 3, 4, 5, 6, 7])
>>> np.roll(x, -2)
array([2, 3, 4, 5, 6, 7, 8, 9, 0, 1])
四，排序
排序操作是按照特定字段的值进行排序，
sort(axis,kind)函数用于对数组进行排序，可以使用类方法numpy.sort()，返回的是数组的已排序的副本，而原始数组并没有改变；也可以使用对象方法ndarray.sort()，对原始数组排序。
numpy.sort(a, axis=1, kind='quicksort')
ndarray.sort(axis=1, kind=None, order=None)
参数注释：
- a：所需排序的数组
- axis：数组排序时的轴，axis=0按照行排序；axis=1按列排序，默认值是1
- kind：数组排序时使用的方法，有效值是：{‘quicksort’, ‘mergesort’, ‘heapsort’, ‘stable’}，默认值是quicksort（快排），
- axis指定排序的轴；kind指定排序算法，默认的排序算法是快速排序，np.sort()返回的是数组的已排序的副本，而就是排序则会修改数组本身。
举个例子，对数组进行排序：
a = np.array([[1, 2, 1]
,[1,1,0]])
r1=np.sort(a)
r2=np.sort(a,axis=0)
r3=np.sort(a,axis=1)
print('a.sort() = {0}\na.sort(axis=0) = {1}\na.sort(axis=1) ={2}'.format(r1,r2,r3))
五，获取索引的函数
获取索引的函数名都以arg为前缀，按照值排序，返回的是索引值；按照值获取最大值和最小值，返回索引值等。
1，argsort()函数
argsort()函数返回的是按照数组值从小到大的索引值，即返回的是索引值，索引值是按照元素值从小到大得到的。
ndarray.argsort(axis=- 1, kind=None, order=None)
举个例子：
x=np.array([1,4,3,-1,6,9]) y=np.argsort(x) #output array([3, 0, 2, 1, 4, 5], dtype=int64)
元素-1的值是最小的，其索引是3，因此，argsort()的返回列表中是第一个item。
argsort()函数是将x中的元素从小到大排列，提取其对应的index(索引)，然后输出到y，按照降序排序：
y=np.argsort(-x)
按照升序排序：
y=np.argsort(x)
举个例子，对数组排序之后，得到每个元素的索引：
>>> x = np.array([3, 1, 2]) >>> x.argsort() array([1, 2, 0]) >>> x = np.array([[0, 3], [2, 2]]) >>> x array([[0, 3], [2, 2]]) >>> ind = x.argsort(axis=0) # sorts along first axis (down) >>> ind array([[0, 1], [1, 0]])
2，最大值或最小值的索引
计算数组中最大值和最小值的索引：
- argmax(axis)：返回最大值的索引
- argmin(axis)：返回最小值的索引
举个例子，返回数组中最小值的索引：
a = np.array([[1, 2, 1]
,[1,1,0]])
r1=a.argmin()
r2=a.argmin(axis=0)
r3=a.argmin(axis=1)
print('a.argmin() = {0}\na.argmin(axis=0) = {1}\na.argmin(axis=1) ={2}'.format(r1,r2,r3))
3，argwhere()函数
返回非0数组元素的索引，
numpy.argwhere(a)
举个例子，对于一维数组，返回数组中非0元素的位置：
>>> x = np.arange(6).reshape(2,3)
>>> x
array([[0, 1, 2],
[3, 4, 5]])
>>> np.argwhere(x>1)
array([[0, 2],
[1, 0],
[1, 1],
[1, 2]])
4，返回非0值元素的索引
对于二维数组，nonzero()函数返回的是两个数组：第一个数组是列索引，第二个数组是行索引：
>>> x = np.array([[3, 0, 0], [0, 4, 0], [5, 6, 0]])
>>> x
array([[3, 0, 0],
[0, 4, 0],
[5, 6, 0]])
>>> np.nonzero(x)
(array([0, 1, 2, 2]), array([0, 1, 0, 1]))
参考文档：
