---

前言

通過今天的學習，我掌握了numpy中有關增刪改查以及部分常用統計函數的使用方法

---

一、數組的增刪改查

1.resize函數

• 與reshape函數的功能相近，但可以生成任意形狀的新數組，會自動根據輸入的形狀進行元素填充
• 如果元素數量不夠，重復數組元素來填充新的形狀；若數量過多，則舍棄多余元素

array_one = np.arange(6).reshape(2, 3)
print(array_one)
print('resize 后數組：\n', np.resize(array_one, (3, 3)))
print('resize 后數組：\n', np.resize(array_one, (2, 2)))

2.append函數

• 數組與列表相似，也有append方法，用于將元素追加到數組的末尾
• append(arr, values, axis=None)
• 當指定axis時，要求添加的數組與對應維度的形狀一致

arr = np.arange(6).reshape(2,3)
print(arr)
arr_1 = np.append(arr,[[1,1,1],[1,1,1]])
print(arr_1)
arr_1 = np.append(arr,[[1,1,1],[1,1,1],[1,1,1]],axis=0)
print(arr_1)
arr_1 = np.append(arr,[[1,1,1,1],[1,1,1,1]],axis=1)
print(arr_1)

tips：可以這樣理解axis的含義：

3.insert函數

• 向數組指定索引位置插入元素
• insert(arr, idx, values, axis)
• 該函數會自動使用廣播機制

arr = np.arange(6).reshape(2,3)
arr1 = np.insert(arr,1,[6]) #未指定axis返回一維數組
print(arr1)
arr1 = np.insert(arr,1,[6],axis=0) #在索引為1的行插入[6],并自動廣播
print(arr1)
arr1 = np.insert(arr,1,[6],axis=1) #在索引為1的列插入[6],并自動廣播
print(arr1)

4.delete函數

• 刪除指定索引的元素
• delete(arr, obj, axis)

arr = np.arange(6).reshape(2,3)
arr1 = np.delete(arr,[1]) #未指定axis，先將數組轉化為一維，再刪除索引為1的元素
print(arr1)
arr1 = np.delete(arr,[1],axis=0) #刪除索引為1的行
print(arr1)
arr1 = np.delete(arr,[1],axis=1) #刪除索引為1的列
print(arr1)

5.argwhere函數

• 返回數組中非0元素的索引
• 若是多維數組，則返回包含行列索引坐標的數組

arr = np.arange(6).reshape(2,1,3)
print(arr)
print(np.argwhere(arr))
print(np.argwhere(arr<3)) #可以結合使用布爾索引

• where函數返回一個元組，功能與argwhere相似，使用更加方便
• 當where函數有三個參數時，它會根據條件來選擇元素，第一個參數是條件，第二個參數是滿足條件時選擇的值，第三個參數是不滿足條件時選擇的值

arr = np.array([1, 2, 3, 4, 5])
new_arr = np.where(arr > 3, 10, 0)
print("新數組：")
print(new_arr)

6.unique函數

• 去除數組中的重復元素
• unique(ar, return_index=False, return_inverse=False, return_counts=False, axis=None)
  return_index：如果為 True，則返回新數組元素在原數組中的位置（索引）
  return_inverse：如果為 True，則返回原數組元素在新數組中的位置（逆索引）
  return_counts：如果為 True，則返回去重后的數組元素在原數組中出現的次數

arr = np.array([1, 2, 2, 3, 3, 3, 4, 4, 4, 4])
unique_elements, inverse_indices = np.unique(arr,return_inverse=True)
print(np.unique(arr))
print(inverse_indices) #逆索引

二、統計函數

1.amax，amin函數

• 找出數組中的最大，最小值（可以指定axis）

arr = np.arange(6).reshape(2,3)
print(arr)
print(np.amax(arr))
print(np.amax(arr,axis=0)) #找出每一列的最大值
print(np.amax(arr,axis=1)) #找出每一行的最大值

2.ptp函數

• 計算數組元素的極差值（可指定axis）

arr = np.arange(6).reshape(2,3)
print(arr)
print(np.ptp(arr))
print(np.ptp(arr,axis=0)) 
print(np.ptp(arr,axis=1))

3.median函數

• 將數組元素由小到大排序后取中位數（可指定axis）

arr = np.arange(6).reshape(2,3)
print(np.median(arr))
print(np.median(arr,axis=0))
print(np.median(arr,axis=1))

4.mean函數

• 計算數組元素的算數平均數（可指定axis）

arr = np.arange(6).reshape(2,3)
print(np.mean(arr))
print(np.mean(arr,axis=0))
print(np.mean(arr,axis=1))

5.average函數

• 計算數組元素的加權平均值（可指定axis）
• 相較于平均值，可以減少極差對數據均值的影響

arr = np.array([1, 2, 3, 4, 5])
weights = np.array([0.1, 0.2, 0.3, 0.2,0.2])
average_value = np.average(arr, weights=weights)
print(average_value)

6.var，std函數

• 計算數組元素的方差和標準差

arr = np.array([1, 2, 3, 4, 5])
print(np.std(arr))
print(np.var(arr)) #總體方差
print(np.var(arr,ddof=1)) #樣本方差,總體方差的無偏估計

---

THE END