比较两个numpy数组并实现删除共有的元素

更新时间：2024年02月22日 10:48:42 作者：ZyLL_123

这篇文章主要介绍了比较两个numpy数组并实现删除共有的元素,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教

比较两个numpy数组并删除共有的元素

项目场景

提示：这里简述项目相关背景：

两个numpy数组要删掉共有的元素

问题描述

例如：

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

最终我想获得x=[4,5,6]

解决方案

x=a[~np.in1d((a,b))] 这个语句即可

注意：

in1d中的是1，不是L

numpy数组元素增删改查

介绍 NumPy 数组元素的增删改查操作，主要有以下方法：

数组元素操作方法

函数名称	描述说明
resize	返回指定形状的新数组。
append	将元素值添加到数组的末尾。
insert	沿规定的轴将元素值插入到指定的元素前。
delete	删掉某个轴上的子数组，并返回删除后的新数组。
argwhere	返回数组内符合条件的元素的索引值。
unique	用于删除数组中重复的元素，并按元素值由大到小返回一个新数组。

1. numpy.resize()

numpy.resize() 返回指定形状的新数组。

numpy.resize(arr, shape)

使用示例：

import numpy as np
a = np.array([[1,2,3],[4,5,6]])
print(a)
#a数组的形状
print(a.shape)
b = np.resize(a,(3,2))
#b数组
print (b)
#b数组的形状
print(b.shape)
#修改b数组使其形状大于原始数组
b = np.resize(a,(3,3))
print(b)

输出结果为：

a数组：
[[1 2 3]
[4 5 6]]

a形状：
(2, 3)

b数组：
[[1 2]
[3 4]
[5 6]]

b数组的形状：
(3, 2)

修改后b数组：
[[1 2 3]
[4 5 6]
[1 2 3]]

这里需要区别 resize() 和 reshape() 的使用方法，它们看起来相似，实则不同。

resize 仅对原数组进行修改，没有返回值，而 reshape 不仅对原数组进行修改，同时返回修改后的结果。

看一组示例，如下所示：

In [1]: import numpy as np
In [2]: x=np.arange(12)
#调用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
#调用reshape方法
In [7]: x_shape=x.reshape(2,3,2)
#返回修改后的数组
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()

在数组的末尾添加值，它返回一个一维数组。

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

参数说明：

arr：输入的数组；
values：向 arr 数组中添加的值，需要和 arr 数组的形状保持一致；
axis：默认为 None，返回的是一维数组；当 axis =0 时，追加的值会被添加到行，而列数保持不变，若 axis=1 则与其恰好相反。

使用示例：

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

输出结果为：

向数组a添加元素：
[1 2 3 4 5 6 7 8 9]

沿轴 0 添加元素：
[[1 2 3]
[4 5 6]
[7 8 9]]

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

3. numpy.insert()

表示沿指定的轴，在给定索引值的前一个位置插入相应的值，如果没有提供轴，则输入数组被展开为一维数组。

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

参数说明：

arr：要输入的数组
obj：表示索引值，在该索引值之前插入 values 值；
values：要插入的值；
axis：指定的轴，如果未提供，则输入数组会被展开为一维数组。

示例如下：

import numpy as np
a = np.array([[1,2],[3,4],[5,6]])
#不提供axis的情况，会将数组展开
print (np.insert(a,3,[11,12]))
#沿轴 0 垂直方向
print (np.insert(a,1,[11],axis = 0))
#沿轴 1 水平方向
print (np.insert(a,1,11,axis = 1))

输出结果如下：

提供 axis 参数：
[ 1 2 3 11 12 4 5 6]

沿轴 0：
[[ 1 2]
[11 11]
[ 3 4]
[ 5 6]]

沿轴 1：
[[ 1 11 2]
[ 3 11 4]
[ 5 11 6]]

4. numpy.delete()

该方法表示从输入数组中删除指定的子数组，并返回一个新数组。

它与 insert() 函数相似，若不提供 axis 参数，则输入数组被展开为一维数组。

numpy.delete(arr, obj, axis)

参数说明：

arr：要输入的数组；
obj：整数或者整数数组，表示要被删除数组元素或者子数组；
axis：沿着哪条轴删除子数组。

使用示例：

import numpy as np
a = np.arange(12).reshape(3,4)
#a数组
print(a)
#不提供axis参数情况
print(np.delete(a,5))
#删除第二列
print(np.delete(a,1,axis = 1))
#删除经切片后的数组
a = np.array([1,2,3,4,5,6,7,8,9,10])
print (np.delete(a, np.s_[::2]))

输出结果为：

a数组：
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]

无 axis 参数：
[ 0 1 2 3 4 6 7 8 9 10 11]

删除第二列：
[[ 0 2 3]
[ 4 6 7]
[ 8 10 11]]

删除经过切片的数组：
[ 2 4 6 8 10]

5. numpy.argwhere()

该函数返回数组中非 0 元素的索引，若是多维数组则返回行、列索引组成的索引坐标。

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)

输出结果：

#x数组
[[0 1 2]
[3 4 5]]
#返回行列索引坐标
[[0 2]
[1 0]
[1 1]
[1 2]]

6. numpy.unique()

用于删除数组中重复的元素，其语法格式如下：

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

参数说明：

arr：输入数组，若是多维数组则以一维数组形式展开；
return_index：如果为 True，则返回新数组元素在原数组中的位置（索引）；
return_inverse：如果为 True，则返回原数组元素在新数组中的位置（索引）；
return_counts：如果为 True，则返回去重后的数组元素在原数组中出现的次数。

示例如下：

import numpy as np
a = np.array([5,2,6,2,7,5,6,8,2,9])
print (a)
#对a数组的去重
uq = np.unique(a)
print (uq)
#数组去重后的索引数组
u,indices = np.unique(a, return_index = True)
#打印去重后数组的索引
print(indices)
#去重数组的下标：
ui,indices = np.unique(a,return_inverse = True)
print (ui)
#打印下标
print (indices)
#返回去重元素的重复数量
uc,indices = np.unique(a,return_counts = True)
print (uc)
元素出现次数：
print (indices)

输出结果为：

a数组：
[5 2 6 2 7 5 6 8 2 9]

去重后的a数组
[2 5 6 7 8 9]

去重数组的索引数组：
[1 0 2 4 7 9]

去重数组的下标：
[2 5 6 7 8 9]

原数组在新数组中的下标：
[1 0 2 0 3 1 2 4 0 5]

返回去重元素的重复数量：
[2 5 6 7 8 9]

统计重复元素出现次数：
[3 2 2 1 1 1]

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。

您可能感兴趣的文章:

深入学习Python中的装饰器使用
@这个操作符让装饰器在Python代码中非常醒目,而装饰器的运用中也包含着很多Python编程中的高级技巧,这里我们就来共同深入学习Python中的装饰器使用
2016-06-06
python使用win32com在百度空间插入html元素示例
这篇文章主要介绍了python使用win32com在百度空间插入html元素的示例，大家参考使用吧
2014-02-02
python playwright 自动等待和断言详解
这篇文章主要为大家介绍了python playwright 自动等待和断言，具有一定的参考价值，感兴趣的小伙伴们可以参考一下，希望能够给你带来帮助
2021-11-11
Python基于opencv实现的人脸识别(适合初学者)
OpenCV是一个基于BSD许可开源发行的跨平台计算机视觉库,下面这篇文章主要给大家介绍了关于Python基于opencv实现的人脸识别，文中通过实例代码介绍的非常详细,本文的教程非常适合初学者,需要的朋友可以参考下
2022-03-03
Opencv实现倾斜图片转正示例
本文主要介绍了Opencv实现倾斜图片转正示例，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2022-08-08
Python实现的ftp服务器功能详解【附源码下载】
这篇文章主要介绍了Python实现的ftp服务器功能,结合实例形式分析了Python构建ftp服务器功能的相关设置、实现技巧与操作注意事项,并附带源码供读者下载参考,需要的朋友可以参考下
2019-06-06
Python re.findall中正则表达式(.*?)和参数re.S使用
本文主要介绍了Python re.findall中正则表达式(.*?)和参数re.S使用，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2022-08-08
常用python爬虫库介绍与简要说明
本文介绍了一些常用的python爬虫库其中包括python网络库，python网络爬虫框架，python HTML解析，python文本处理，python 自然语言处理，python 浏览器模拟等各种常用的python库
2020-01-01
Python基于argparse与ConfigParser库进行入参解析与ini parser
这篇文章主要介绍了Python基于argparse与ConfigParser库进行入参解析与ini parser，帮助大家更好的理解和使用python，感兴趣的朋友可以了解下
2021-02-02
python PyQt5中单行文本输入控件QLineEdit用法详解
在PyQt5的GUI编程中,QLineEdit控件是一个用于输入和编辑单行文本的部件,它提供了丰富的功能和灵活性,可以轻松地实现用户输入的捕获、验证和格式化等功能,本文将通过实际案例详细介绍QLineEdit控件的常用方法,需要的朋友可以参考下
2024-08-08