1 基础操作

1.1 numpy.shape(a)

　　返回数组的形状。

Examples：

>>>import numpy as np
>>>np.shape(np.ones([3,2]))
(3, 2)

>>>np.shape([1,2])
(2,)

>>>np.shape([[1,2]])
(1, 2)

>>>np.shape(0)
()

>>>np.shape([0])
(1,)

>>>a = np.array([(1, 2), (3, 4), (5, 6)],
dtype=[('x', 'i4'), ('y', 'i4')])
>>>np.shape(a)
(3,)

2 改变数组形状

2.1 numpy.reshape

• numpy.reshape(a, newshape, order='C')
• 在不更改其数据的情况下为数组赋予新形状。

Examples：

>>>a = np.zeros((3,2))
>>>np.reshape(a,(2,3))
array([[0., 0., 0.],
[0., 0., 0.]])

>>>np.reshape(a,6)
array([0., 0., 0., 0., 0., 0.])

>>>np.reshape(np.arange(6).reshape(2,3),6,order='F')
array([0, 3, 1, 4, 2, 5])

>>>np.reshape(np.arange(6).reshape(2,3),6,order='C')
array([0, 1, 2, 3, 4, 5])

>>>np.reshape(np.arange(6),(3,-1),order='C')
array([[0, 1],
[2, 3],
[4, 5]])

2.2 numpy.ravel

• numpy.ravel(a, order='C')
• 返回一个连续的展平数组。

Examples：

>>>x = np.array([[1,2,3],[4,5,6]])
>>>x
array([[1, 2, 3],
       [4, 5, 6]])

>>>np.ravel(x)
array([1, 2, 3, 4, 5, 6])

>>>x.reshape(-1)
array([1, 2, 3, 4, 5, 6])

>>>np.ravel(x,order='F')
array([1, 4, 2, 5, 3, 6])

Examples：

>>>np.ravel(x.T)
array([1, 4, 2, 5, 3, 6])
>>>print(x.T)
[[1 4]
[2 5]
[3 6]]
>>>np.ravel(x.T,order = "A")
array([1, 2, 3, 4, 5, 6])
>>>print(x.T)
[[1 4]
[2 5]
[3 6]]
>>>np.ravel(x.T,order = "C")
array([1, 4, 2, 5, 3, 6])
>>>print(x.T)
[[1 4]
[2 5]
[3 6]]
>>>np.ravel(x.T,order = "K")
array([1, 2, 3, 4, 5, 6])

Examples：

>>>a = np.arange(12).reshape(2,3,2).swapaxes(1,2);
>>>print(a)
[[[ 0 2 4]
[ 1 3 5]]
[[ 6 8 10]
[ 7 9 11]]]

>>>a.ravel(order='C')
array([ 0, 2, 4, 1, 3, 5, 6, 8, 10, 7, 9, 11])

>>>a.ravel(order='F')
array([ 0, 6, 1, 7, 2, 8, 3, 9, 4, 10, 5, 11])

>>>a.ravel(order='K')
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11])

2.3 numpy.ndarray.flat

• ndarray.flat
• 数组上的一维迭代器。
• 属性

Examples：

x  = np.arange(1,7).reshape(2,3)
x
#结果
array([[1, 2, 3],
       [4, 5, 6]])
x.flat[3]
#结果
4

x.T
#结果
array([[1, 4],
       [2, 5],
       [3, 6]])

for i in x.T.flat:
    print(i,end=' ')
#结果
1 4 2 5 3 6 

x.flat[[2,3]]
#结果
array([3, 4])

x.flat[[3,4]]
#结果
array([4, 5])

2.4 numpy.ndarray.flatten

• ndarray.flatten(order='C')
• 返回折叠成一维的数组的副本。
• 方法

Examples：

x = np.array([[1,2],[3,4]])
x
#输出结果
array([[1, 2],
       [3, 4]])

x.flatten()
#输出结果
array([1, 2, 3, 4])

x.flatten('F')
#输出结果
array([1, 3, 2, 4])

x.flatten('K')
#输出结果
array([1, 2, 3, 4])

3 类似转置的操作

3.1 numpy.moveaxis

• numpy.moveaxis(a, source, destination)
• 将数组的轴移动到新位置。

Examples：

x = np.zeros((3,4,5))
np.moveaxis(x,0,-1).shape
#输出结果
(4, 5, 3)
np.moveaxis(x,-1,0).shape
#输出结果
(5, 3, 4)
np.transpose(x).shape
#输出结果
(5, 4, 3)
np.swapaxes(x,0,-1).shape
#输出结果
(5, 4, 3)
np.moveaxis(x,[0,1],[-1,-2]).shape
#输出结果
(5, 4, 3)
np.moveaxis(x,[0,1,2],[-1,-2,-3]).shape
#输出结果
(5, 4, 3)

3.2 numpy.rollaxis

• numpy.rollaxis(a, axis, start=0)
• 向后滚动指定的轴，直到它位于给定位置。

Examples：

a = np.ones((3,4,5,6))
np.rollaxis(a,3,1).shape
#输出结果
(3, 6, 4, 5)
np.rollaxis(a,2).shape
#输出结果
(5, 3, 4, 6)
np.rollaxis(a,1,4).shape
#输出结果
(3, 5, 6, 4)

3.3 numpy.swapaxes

• numpy.swapaxes(a, axis1, axis2)
• 交换数组的两个轴。

Examples：

x = np.array([[1,2,3]])
np.swapaxes(x,0,1)
#输出结果
array([[1],
       [2],
       [3]])

x = np.array([[[0,1],[2,3]],[[4,5],[6,7]]])
x
#输出结果
array([[[0, 1],
        [2, 3]],
       [[4, 5],
        [6, 7]]])

np.swapaxes(x,0,2)
#输出结果
array([[[0, 4],
        [2, 6]],
       [[1, 5],
        [3, 7]]])

Examples：

x = np.arange(24).reshape((2,3,4))
print(x.shape)
#输出结果
(2, 3, 4)

print(np.swapaxes(x,0,0))
print(np.swapaxes(x,0,0).shape)
#输出结果
[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]

 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]]
(2, 3, 4)

print(np.swapaxes(x,0,1))
print(np.swapaxes(x,0,1).shape)
#输出结果
[[[ 0  1  2  3]
  [12 13 14 15]]

 [[ 4  5  6  7]
  [16 17 18 19]]

 [[ 8  9 10 11]
  [20 21 22 23]]]
(3, 2, 4)

3.4 numpy.ndarray.T

• ndarray.T
• 转置数组。
• attribute

Examples：

x = np.array([[1.,2.],[3.,4.]])
x
#输出结果
array([[ 1.,  2.],
       [ 3.,  4.]])
x.T
#输出结果
array([[ 1.,  3.],
       [ 2.,  4.]])
x = np.array([1.,2.,3.,4.])
x
#输出结果
array([ 1.,  2.,  3.,  4.])
x.T
#输出结果
array([ 1.,  2.,  3.,  4.])

3.5 numpy.transpose

• numpy.transpose(a, axes=None)
• 反转或置换数组的轴； 返回修改后的数组。

Examples：

x = np.arange(6).reshape((2,3))
np.transpose(x).shape
#输出结果
(3, 2)
x = np.arange(6).reshape((1,2,3))
np.transpose(x).shape
#输出结果
(3, 2, 1)
x = np.arange(6).reshape((1,2,3))
print(np.transpose(x,(1,0,2)).shape)
print(np.transpose(x,(1,2,0)).shape)
#输出结果
(2, 1, 3)
(2, 3, 1)

4 更改维数

4.1 numpy.expand_dims

• numpy.expand_dims(a, axis)
• 展开数组的形状。

Examples：

x = np.arange(2)
print(x)
print(x.shape)
print(np.expand_dims(x,axis=0).shape)
print(np.expand_dims(x,axis=1).shape)
print(np.expand_dims(x,axis= (0,1)).shape)
#输出结果
[0 1]
(2,)
(1, 2)
(2, 1)
(1, 1, 2)

4.2 numpy.squeeze

• numpy.squeeze(a, axis=None)
• 从 a 中删除长度为 1 的轴。

Examples：

x = np.arange(6).reshape((1,2,3))
print(x)
print(x.shape)
print(np.squeeze(x).shape)
#输出结果
[[[0 1 2]
  [3 4 5]]]
(1, 2, 3)
(2, 3)
(2, 3)

x = np.arange(6).reshape((1,1,2,3))
print(x)
print(x.shape)
print(np.squeeze(x).shape)
#输出结果
[[[[0 1 2]
   [3 4 5]]]]
(1, 1, 2, 3)
(2, 3)

Examples：

x = np.arange(6).reshape((1,2,3))
print(x)
print(x.shape)
print(np.squeeze(x,axis=0).shape)
#print(np.squeeze(x,axis=1).shape)
#输出结果
[[[0 1 2]
  [3 4 5]]]
(1, 2, 3)
(2, 3)

x = np.array([[123]])
print(x)
print(x.shape)
print(np.squeeze(x))
print(np.squeeze(x)[()])
#输出结果
[[123]]
(1, 1)
123
123

5 数组连接

5.1 numpy.concatenate

• numpy.concatenate((a1, a2, ...), axis=0, out=None, dtype=None, casting="same_kind")
• 沿现有轴连接一系列数组。

Examples：

a = np.arange(4).reshape((2,2))
print('a = ',a)
print('a.shape = ',a.shape)
#输出结果
a =  [[0 1]
 [2 3]]
a.shape =  (2, 2)

b = np.arange(4,6).reshape((1,2))
print('b = ',b)
print('b.shape = ',b.shape)
#输出结果
b =  [[4 5]]
b.shape =  (1, 2)

c = np.concatenate((a,b),axis=0)
print('c = ',c)
print('c.shape = ',c.shape)
#输出结果
c =  [[0 1]
 [2 3]
 [4 5]]
c.shape =  (3, 2)

d = np.concatenate((a,b),axis=None)
print('d = ',d)
print('d.shape = ',d.shape)
d =  [0 1 2 3 4 5]
d.shape =  (6,)

5.2 numpy.stack

• numpy.stack(arrays, axis=0, out=None)
• 沿新轴加入一系列数组。

Examples：

x = np.arange(6).reshape((2,3))
print(x)
#输出结果
[[0 1 2]
 [3 4 5]]

print(np.stack(x,axis =0))
print(np.stack(x,axis =0).shape)
#输出结果
[[0 1 2]
 [3 4 5]]
(2, 3)

print(np.stack(x,axis =1))
print(np.stack(x,axis =1).shape)
#输出结果
[[0 3]
 [1 4]
 [2 5]]
(3, 2)

print(np.stack(x,axis =-1))
print(np.stack(x,axis =-1).shape)
#输出结果
[[0 3]
 [1 4]
 [2 5]]
(3, 2)

5.3 numpy.hstack

• numpy.hstack(tup)
• 水平顺序堆叠数组（按列）。

Examples：

a = np.array((1,2,3))
b = np.array((4,5,6))
np.hstack((a,b))
#输出结果
array([1, 2, 3, 4, 5, 6])

a = np.array([[1],[2],[3]])
b = np.array([[4],[5],[6]])
print(a.shape)
print(b.shape)
np.hstack((a,b))
#输出结果
(3, 1)
(3, 1)
array([[1, 4],
       [2, 5],
       [3, 6]])

5.4 numpy.vstack

• numpy.vstack(tup)
• 垂直（按行）按顺序堆叠数组。

Examples：

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
np.vstack((a,b))
#输出结果
array([[1, 2, 3],
       [4, 5, 6]])

a = np.array([[1],[2],[3]])
b = np.array([[4],[5],[6]])
print(a.shape)
print(b.shape)
np.vstack((a,b))
#输出结果
(3, 1)
(3, 1)
array([[1],
       [2],
       [3],
       [4],
       [5],
       [6]])

5.5 numpy.dstack

• numpy.dstack(tup)
• 按顺序深度（沿第三轴）堆叠数组。 

Examples：

a = np.array((1,2,3))
b = np.array((2,3,4))
np.dstack((a,b))
#输出结果
array([[[1, 2],
        [2, 3],
        [3, 4]]])

a = np.array([[1],[2],[3]])
b = np.array([[2],[3],[4]])
np.dstack((a,b))
#输出结果
array([[[1, 2]],

       [[2, 3]],

       [[3, 4]]])

5.6 numpy.column_stack

• numpy.column_stack(tup)
• 将一维数组作为列堆叠到二维数组中。

Examples：

a = np.array((1,2,3))
b = np.array((2,3,4))
np.column_stack((a,b))
#输出结果
array([[1, 2],
       [2, 3],
       [3, 4]])

5.7 numpy.row_stack

• numpy.row_stack(tup)
• 垂直（按行）按顺序堆叠数组。

Examples：

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
np.vstack((a,b))
#输出结果
array([[1, 2, 3],
       [4, 5, 6]])

a = np.array([[1], [2], [3]])
b = np.array([[4], [5], [6]])
np.vstack((a,b))
#输出结果
array([[1],
       [2],
       [3],
       [4],
       [5],
       [6]])

6 拆分数组

6.1 numpy.split

• numpy.split(ary, indices_or_sections, axis=0)
• 将数组拆分为多个子数组作为 ary 中的视图。

Examples：

x = np.arange(8)
print(np.split(x,2))
print(np.split(x,[2,4]))
#输出结果
[array([0, 1, 2, 3]), array([4, 5, 6, 7])]
[array([0, 1]), array([2, 3]), array([4, 5, 6, 7])]

6.2 numpy.array_split

• numpy.array_split(ary, indices_or_sections, axis=0)
• 将一个数组拆分为多个子数组。

Examples：

x = np.arange(8)
print(np.array_split(x,2))
print(np.array_split(x,[2,4]))
#输出结果
[array([0, 1, 2, 3]), array([4, 5, 6, 7])]
[array([0, 1]), array([2, 3]), array([4, 5, 6, 7])]

x = np.arange(9)
print(np.array_split(x,2))
print(np.array_split(x,[2,4]))
#输出结果
[array([0, 1, 2, 3, 4]), array([5, 6, 7, 8])]
[array([0, 1]), array([2, 3]), array([4, 5, 6, 7, 8])]

6.3 numpy.dsplit

• numpy.dsplit(ary, indices_or_sections)
• 沿第 3 轴（深度）将数组拆分为多个子数组。

Examples：

x = np.arange(16.0).reshape(2, 2, 4)
print(x)
#输出结果
[[[ 0.  1.  2.  3.]
  [ 4.  5.  6.  7.]]

 [[ 8.  9. 10. 11.]
  [12. 13. 14. 15.]]]

print(np.dsplit(x,2))
#输出结果
[array([[[ 0.,  1.],
        [ 4.,  5.]],

       [[ 8.,  9.],
        [12., 13.]]]), array([[[ 2.,  3.],
        [ 6.,  7.]],

       [[10., 11.],
        [14., 15.]]])]

print(np.dsplit(x,np.array([3, 6])))
#输出结果
[array([[[ 0.,  1.,  2.],
        [ 4.,  5.,  6.]],

       [[ 8.,  9., 10.],
        [12., 13., 14.]]]), array([[[ 3.],
        [ 7.]],

       [[11.],
        [15.]]]), array([], shape=(2, 2, 0), dtype=float64)]

6.4 numpy.hsplit

• numpy.hsplit(ary, indices_or_sections)
• 将一个数组水平拆分为多个子数组（按列）。

Examples：

x = np.arange(16.0).reshape(4, 4)
print(x)
#输出结果
[[ 0.  1.  2.  3.]
 [ 4.  5.  6.  7.]
 [ 8.  9. 10. 11.]
 [12. 13. 14. 15.]]

np.hsplit(x, 2)
#输出结果
[array([[ 0.,  1.],
        [ 4.,  5.],
        [ 8.,  9.],
        [12., 13.]]),
 array([[ 2.,  3.],
        [ 6.,  7.],
        [10., 11.],
        [14., 15.]])]

np.hsplit(x, np.array([3, 6]))
#输出结果
[array([[ 0.,  1.,  2.],
        [ 4.,  5.,  6.],
        [ 8.,  9., 10.],
        [12., 13., 14.]]),
 array([[ 3.],
        [ 7.],
        [11.],
        [15.]]),
 array([], shape=(4, 0), dtype=float64)]

x = np.arange(8.0).reshape(2, 2, 2)
np.hsplit(x, 2)
#输出结果
[array([[[0., 1.]],
 
        [[4., 5.]]]),
 array([[[2., 3.]],
 
        [[6., 7.]]])]

6.5 numpy.vsplit

• numpy.vsplit(ary, indices_or_sections)
• 将一个数组垂直拆分为多个子数组（逐行）。

Examples：

x = np.arange(16.0).reshape(4, 4)
x
#输出结果
array([[ 0.,  1.,  2.,  3.],
       [ 4.,  5.,  6.,  7.],
       [ 8.,  9., 10., 11.],
       [12., 13., 14., 15.]])

np.vsplit(x, 2)
#输出结果
[array([[0., 1., 2., 3.],
        [4., 5., 6., 7.]]),
 array([[ 8.,  9., 10., 11.],
        [12., 13., 14., 15.]])]

np.vsplit(x, np.array([3, 6]))
#输出结果
[array([[ 0.,  1.,  2.,  3.],
        [ 4.,  5.,  6.,  7.],
        [ 8.,  9., 10., 11.]]),
 array([[12., 13., 14., 15.]]),
 array([], shape=(0, 4), dtype=float64)]

x = np.arange(8.0).reshape(2, 2, 2)
np.vsplit(x, 2)
#输出结果
[array([[[0., 1.],
         [2., 3.]]]),
 array([[[4., 5.],
         [6., 7.]]])]

7 平铺阵列

7.1 numpy.tile

• numpy.tile(A, reps)
• 通过重复 A 由 reps 给出的次数来构造一个数组。

Examples：

x =np.array([0,1,2])
print(np.tile(x,2))
#输出结果
[0 1 2 0 1 2]

x =np.array([0,1,2])
print(np.tile(x,(2,2)))
#输出结果
[[0 1 2 0 1 2]
 [0 1 2 0 1 2]]

x =np.array([0,1,2])
print(np.tile(x,(2,1,2)))
#输出结果
[[[0 1 2 0 1 2]]
 [[0 1 2 0 1 2]]]

b = np.array([[1, 2], [3, 4]])
print(np.tile(b, 2))
#输出结果
[[1 2 1 2]
 [3 4 3 4]]

print(np.tile(b, (2,1)))
#输出结果
[[1 2]
 [3 4]
 [1 2]
 [3 4]]

c = np.array([1,2,3,4])
print(np.tile(c,(4,1)))
#输出结果
[[1 2 3 4]
 [1 2 3 4]
 [1 2 3 4]
 [1 2 3 4]]

7.2 numpy.repeat

• numpy.repeat(a, repeats, axis=None)
• 重复数组的元素。

Examples：

print(np.repeat(3, 4))
#输出结果
array([3, 3, 3, 3])

x = np.array([[1,2],[3,4]])
print(np.repeat(x, 2))
#输出结果
array([1, 1, 2, 2, 3, 3, 4, 4])

print(np.repeat(x, 3, axis=1))
#输出结果
array([[1, 1, 1, 2, 2, 2],
       [3, 3, 3, 4, 4, 4]])

print(np.repeat(x, [1, 2], axis=0))
#输出结果
array([[1, 2],
       [3, 4],
       [3, 4]])

8 添加和删除元素 

8.1 numpy.delete

• numpy.delete(arr, obj, axis=None)
• 返回一个新数组，其中删除了沿轴的子数组。 对于一维数组，这将返回 arr[obj] 未返回的那些条目。

Examples：

arr = np.array([[1,2,3],[4,5,6],[7,8,9]])
print(arr)
#输出结果
[[1 2 3]
 [4 5 6]
 [7 8 9]]

print(np.delete(arr,[1,2],axis=0))
#输出结果
[[1 2 3]]

print(np.delete(arr,[1,2],axis = 1))
#输出结果
[[1]
 [4]
 [7]]

print(np.delete(arr,1,axis = None))
#输出结果
[1 3 4 5 6 7 8 9]

print(np.delete(arr,[1,2],axis = None))
#输出结果
[1 4 5 6 7 8 9]

　　reference

8.2 numpy.insert

• numpy.insert(arr, obj, values, axis=None)
• 在给定索引之前沿给定轴插入值.

Examples：

a = np.array([[1,2],[3,4],[5,6]])
print(a)
#输出结果
[[1 2]
 [3 4]
 [5 6]]
print(np.insert(a,1,5))
#输出结果
[1 5 2 3 4 5 6]
print(np.insert(a,1,5,axis =0))
#输出结果
[[1 2]
 [5 5]
 [3 4]
 [5 6]]
print(np.insert(a,1,5,axis =1))
#输出结果
[[1 5 2]
 [3 5 4]
 [5 5 6]]
print(np.insert(a,1,[5],axis =0))
#输出结果
[[1 2]
 [5 5]
 [3 4]
 [5 6]]

8.3 numpy.append

• numpy.append(arr, values, axis=None)
• 将值附加到数组的末尾。

Examples：

np.append([1],[2])
#输出结果
array([1, 2])

np.append([1,2],[3])
#输出结果
array([1, 2, 3])

np.append([[1, 2, 3], [4, 5, 6]], [[7, 8, 9]], axis=0)
#输出结果
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

8.4 numpy.resize

• numpy.resize(a, new_shape)
• 返回具有指定形状的新数组。

Examples：

a = np.array([[0,1],[2,3],[4,5]])
print(a)
#输出结果
[[0 1]
 [2 3]
 [4 5]]

print(np.resize(a,(2,3)))
#输出结果
[[0 1 2]
 [3 4 5]]

print(np.resize(a,(1,4)))
#输出结果
[[0 1 2 3]]

print(np.resize(a,(2,4)))
#输出结果
[[0 1 2 3]
 [4 5 0 1]]

print(np.resize(a,(2,6)))
#输出结果
[[0 1 2 3 4 5]
 [0 1 2 3 4 5]]

8.5 numpy.unique

• numpy.unique(ar, return_index=False, return_inverse=False, return_counts=False, axis=None)
• 查找数组的唯一元素。

Examples：

np.unique([1, 1, 2, 2, 3, 3])
#输出结果
array([1, 2, 3])

a = np.array([[1, 1], [2, 3]])
np.unique(a)
#输出结果
array([1, 2, 3])

a = np.array([[1, 0, 0], [1, 0, 0], [2, 3, 4]])
np.unique(a, axis=0)
#输出结果
array([[1, 0, 0],
       [2, 3, 4]])

Examples：

a = np.array(['a', 'b', 'b', 'c', 'a'])
u, indices = np.unique(a, return_index=True)
print(u)
print(indices)
print(a[indices])
#输出结果
['a' 'b' 'c']
[0 1 3]
['a' 'b' 'c']

a = np.array([1, 2, 6, 4, 2, 3, 2])
u, indices = np.unique(a, return_inverse=True)
print(a)
print(u)
print(indices)
print(u[indices])
#输出结果
[1 2 6 4 2 3 2]
[1 2 3 4 6]
[0 1 4 3 1 2 1]
[1 2 6 4 2 3 2]

a = np.array([1, 2, 6, 4, 2, 3, 2])
values, counts = np.unique(a, return_counts=True)
print(a)
print(values)
print(counts)
print(np.repeat(values, counts))
#输出结果
[1 2 6 4 2 3 2]
[1 2 3 4 6]
[1 3 1 1 1]
[1 2 2 2 3 4 6]

8.6 numpy.trim_zeros

• numpy.trim_zeros(filt, trim='fb')
• 从一维数组或序列中修剪前导和/或尾随零。

Examples：

a = np.array((0, 0, 0, 1, 2, 3, 0, 2, 1, 0))
print(np.trim_zeros(a))
#输出结果
array([1, 2, 3, 0, 2, 1])

print(np.trim_zeros(a, 'b'))
#输出结果
array([0, 0, 0, ..., 0, 2, 1])

print(np.trim_zeros(a, 'f'))
#输出结果
[1 2 3 0 2 1 0]

print(np.trim_zeros([0, 1, 2, 0]))
#输出结果
[1, 2]

9 重新排列元素

9.1 numpy.flip

• numpy.flip(m, axis=None)[source]
• 沿给定轴反转数组中元素的顺序。

Examples：

A = np.arange(8).reshape((2,2,2))
print(A)
#输出结果
array([[[0, 1],
        [2, 3]],
       [[4, 5],
        [6, 7]]])
print(np.flip(A, 0))
#输出结果
array([[[4, 5],
        [6, 7]],
       [[0, 1],
        [2, 3]]])
print(np.flip(A, 1))
#输出结果
array([[[2, 3],
        [0, 1]],
       [[6, 7],
        [4, 5]]])

Examples：

print(np.flip(A))
#输出结果
array([[[7, 6],
        [5, 4]],
       [[3, 2],
        [1, 0]]])
print(np.flip(A, (0, 2)))
#输出结果
array([[[5, 4],
        [7, 6]],
       [[1, 0],
        [3, 2]]])

9.2 numpy.fliplr

• numpy.fliplr(m)
• 沿轴 1（左/右）反转元素的顺序。

Examples：

A = np.diag([1.,2.,3.])
print(A)
#输出结果
array([[1.,  0.,  0.],
       [0.,  2.,  0.],
       [0.,  0.,  3.]])
print(np.fliplr(A))
#输出结果
array([[0.,  0.,  1.],
       [0.,  2.,  0.],
       [3.,  0.,  0.]])

Examples：

a = np.arange(9).reshape(3,3)
print(a)
#输出结果
[[0 1 2]
 [3 4 5]
 [6 7 8]]
print(np.fliplr(a))
#输出结果
[[2 1 0]
 [5 4 3]
 [8 7 6]]

9.3 numpy.flipud

• numpy.flipud(m)
• 沿轴 0（上/下）反转元素的顺序。

Examples：

a = np.arange(9).reshape(3,3)
print(a)
#输出结果
[[0 1 2]
 [3 4 5]
 [6 7 8]]
print(np.flipud(a))
#输出结果
[[6 7 8]
 [3 4 5]
 [0 1 2]]

9.4 numpy.roll

• numpy.roll(a, shift, axis=None)
• 沿给定轴滚动数组元素。

Examples：

x = np.arange(10)
print(x)
#输出结果
[0 1 2 3 4 5 6 7 8 9]

print(np.roll(x,2))
#输出结果
[8 9 0 1 2 3 4 5 6 7]

print(np.roll(x,-2))
#输出结果
[2 3 4 5 6 7 8 9 0 1]

Examples：

x = x.reshape((2,5))
print(x)
#输出结果
[[0 1 2 3 4]
 [5 6 7 8 9]]

print(np.roll(x,2))
#输出结果
[[8 9 0 1 2]
 [3 4 5 6 7]]

print(np.roll(x, -1))
#输出结果
[[1 2 3 4 5]
 [6 7 8 9 0]]

print(np.roll(x,2,axis = 0))
#输出结果
[[0 1 2 3 4]
 [5 6 7 8 9]]

print(np.roll(x,1,axis = 0))
#输出结果
[[5 6 7 8 9]
 [0 1 2 3 4]]

print(np.roll(x,2,axis = 1))
#输出结果
[[3 4 0 1 2]
 [8 9 5 6 7]]

Examples：

print(np.roll(x, (1, 1), axis=(1, 0)))
#输出结果
[[9 5 6 7 8]
 [4 0 1 2 3]]

print(np.roll(x, (2, 1), axis=(1, 0)))
#输出结果
[[8 9 5 6 7]
 [3 4 0 1 2]]

Reference：Array manipulation routines