matrix = np.array([[1, 2, 3], [4, 5, 6]])
print(matrix)[[1 2 3]
[4 5 6]]6 Array Manipulation
6.1 Ändern der Form
Durch verschiedene Funktionen lassen sich die Form und die Einträge der Arrays verändern.
Eine der wichtigsten Array Operationen ist das Transponieren. Dabei werden Reihen in Spalten und Spalten in Reihe umgewandelt.
Transponieren wir dieses Array nun erhalten wir:
print(np.transpose(matrix))[[1 4]
[2 5]
[3 6]]Haben wir ein nun diese Matrix und wollen daraus einen Vektor erstellen so können wir die Funktion np.flatten() benutzen:
vector = matrix.flatten()
print(vector)[1 2 3 4 5 6]Um wieder eine zweidimensionale Datenstruktur zu erhalten, benutzen wir die Funktion np.reshape(Ziel, Form)
print(np.reshape(matrix, [3, 2]))[[1 2]
[3 4]
[5 6]]Möchten wir den Inhalt eines bereits bestehenden Arrays erweitern, verkleinern oder ändern bietet NumPy ebenfalls die passenden Funktionen.
Haben wir ein leeres Array oder wollen wir ein schon volles Array erweitern benutzen wir die Funktion np.append(). Dabei hängen wir einen Wert an das bereits bestehende Array an.
liste = np.array([1, 2, 3, 4, 5, 6])
neue_liste = np.append(liste, 7)
print(neue_liste)[1 2 3 4 5 6 7]Gegebenenfalls ist es nötig einen Wert nicht am Ende, sondern an einer beliebigen Position im Array einzufügen. Das passende Werkzeug ist hier die Funktion np.insert(Array, Position, Einschub). Im folgenden Beispiel wird an der dritten Stelle die Zahl 7 eingesetzt.
liste = np.array([1, 2, 3, 4, 5, 6])
neue_liste = np.insert(liste, 3, 7)
print(neue_liste)[1 2 3 7 4 5 6]Wenn sich neue Elemente einfügen lassen, können natürlich auch Elemente gelöscht werden. Hierfür wird die Funktion np.delete(Array , Position) benutzt, die ein Array und die Position der zu löschenden Funktion übergeben bekommt.
liste = np.array([1, 2, 3, 4, 5, 6])
neue_liste = np.delete(liste, 3)
print(neue_liste)[1 2 3 5 6]Zuletzt wollen wir uns noch die Verbindung zweier Arrays anschauen. Im folgenden Beispiel wird dabei das Array b an das Array a mithilfe der Funktion np.concatenate((Array a, Array b))angehängt.
a = np.array([1, 2, 3, 4, 5, 6])
b = np.array([7, 8, 9, 10])
neue_liste = np.concatenate((a, b))
print(neue_liste)[ 1 2 3 4 5 6 7 8 9 10]6.2 Sortieren von Arrays
NumPy bietet auch die Möglichkeit, Arrays zu sortieren. Im folgenden Beispiel starten wir mit einem unsortierten Array. Mit der Funktion np.sort() erhalten wir ein sortiertes Array.
import numpy as np
unsortiert = np.array([4, 2, 1, 6, 3, 5])
sortiert = np.sort(unsortiert)
print(sortiert)[1 2 3 4 5 6]6.3 Unterlisten mit einzigartigen Werten
Arbeitet man mit Daten bei denen zum Beispiel Projekte Personalnummern zugeordnet werden hat man Daten mit einer endlichen Anzahl an Personalnummern, die jedoch mehrfach vorkommen können wenn diese an mehr als einem Projekt gleichzeitig arbeiten.
Möchte man nun eine Liste die jede Nummer nur einmal enthält, kann die Funtkion np.unique verwendet werden.
import numpy as np
liste_mit_dopplungen = np.array([4, 1, 1, 6, 3, 4, 7, 3, 3])
einzigartige_werte = np.unique(liste_mit_dopplungen)
print(einzigartige_werte)[1 3 4 6 7]Setzt man dann noch die Option return_counts=True kann in einer zweiten Variable gespeichert werden, wie oft jeder Wert vorkommt.
import numpy as np
liste_mit_dopplungen = np.array([4, 1, 1, 6, 3, 4, 7, 3, 3])
einzigartige_werte, anzahl = np.unique(liste_mit_dopplungen, return_counts=True)
print(anzahl)[2 3 2 1 1]
Zwischenübung: Arraymanipulation
Gegeben ist das folgende zweidimensionale Array matrix:
matrix = np.array([
[4, 7, 2, 8],
[1, 5, 3, 6],
[9, 2, 4, 7]
])- Ändern Sie die Form des Arrays matrix in ein eindimensionales Array.
- Sortieren Sie das eindimensionale Array in aufsteigender Reihenfolge.
- Ändern Sie die Form des sortierten Arrays in ein zweidimensionales Array mit 2 Zeilen und 6 Spalten.
- Bestimmen Sie die eindeutigen Elemente im ursprünglichen Array matrix und geben Sie diese aus.