Numpy系列（六）- 形状操作

Numpy 有一个强大之处在于可以很方便的修改生成的N维数组的形状。

更改数组形状

数组具有由沿着每个轴的元素数量给出的形状：

a = np.floor(10*np.random.random((3,4)))

a

Out[181]:

array([[6., 0., 2., 1.],

       [5., 2., 8., 2.],

       [8., 4., 8., 4.]])

a.shape

Out[182]: (3, 4)

上面生成了一个 3x4 的数组，现在对它进行形状的改变。

a.ravel()

Out[184]: array([6., 0., 2., 1., 5., 2., 8., 2., 8., 4., 8., 4.])

a.reshape(2,6)

Out[185]:

array([[6., 0., 2., 1., 5., 2.],

       [8., 2., 8., 4., 8., 4.]])

a.T

Out[186]:

array([[6., 5., 8.],

       [0., 2., 4.],

       [2., 8., 8.],

       [1., 2., 4.]])

a.shape

Out[187]: (3, 4)

无论是ravel、reshape、T，它们都不会更改原有的数组形状，都是返回一个新的数组。

使用 resize 方法可以直接修改数组本身：

a

Out[188]:

array([[6., 0., 2., 1.],

       [5., 2., 8., 2.],

       [8., 4., 8., 4.]])

a.resize(2,6)

a

Out[190]:

array([[6., 0., 2., 1., 5., 2.],

       [8., 2., 8., 4., 8., 4.]])

　　技巧：在使用 reshape 时，可以将其中的一个维度指定为 -1，Numpy 会自动计算出它的真实值

a.reshape(3, -1)

Out[191]:

array([[6., 0., 2., 1.],

       [5., 2., 8., 2.],

       [8., 4., 8., 4.]])

将不同数组堆叠在一起

除了可以对单个数组的形状进行转换外，还可以把多个数据进行堆叠。

a = np.floor(10*np.random.random((2,2)))

a

Out[192]:

array([[0., 3.],

       [1., 9.]])

b = np.floor(10*np.random.random((2,2)))

b

Out[193]:

array([[2., 8.],

       [9., 7.]])

np.hstack((a,b))

Out[194]:

array([[0., 3., 2., 8.],

       [1., 9., 9., 7.]])

　对于2D数组来说，使用hstack和column_stack 效果一样，对于1D数组来说，column_stack 会将1D数组作为列堆叠到2D数组中：

from numpy import newaxis

np.column_stack((a,b))

Out[195]:

array([[0., 3., 2., 8.],

       [1., 9., 9., 7.]])

a = np.array([4.,2.])

b = np.array([3.,8.])

np.column_stack((a,b))

Out[196]:

array([[4., 3.],

       [2., 8.]])

np.hstack((a,b))    # 一维数组的情况下，column_stack和hstack结果不一样

Out[197]: array([4., 2., 3., 8.])

a[:,newaxis]

Out[198]:

array([[4.],

       [2.]])

np.column_stack((a[:,newaxis],b[:,newaxis]))

Out[199]:

array([[4., 3.],

       [2., 8.]])

np.hstack((a[:,newaxis],b[:,newaxis]))   # 二维数组的情况下，column_stack和hstack结果一样

Out[200]:

array([[4., 3.],

       [2., 8.]])

　另一方面，对于任何输入数组，函数row_stack等效于vstack。一般来说，对于具有两个以上维度的数组，hstack沿第二轴堆叠，vstack沿第一轴堆叠，concatenate允许一个可选参数，给出串接应该发生的轴。

将一个数组分成几个较小的数组

既然可以将多个数组进行对堆叠，自然也可以将一个数组拆分成多个小数组。

使用hsplit，可以沿其水平轴拆分数组，通过指定要返回的均匀划分的数组数量，或通过指定要在其后进行划分的列：

from pprint import pprint

a = np.floor(10*np.random.random((2,12)))

a

Out[201]:

array([[8., 5., 5., 7., 3., 5., 8., 6., 2., 8., 9., 0.],

       [5., 8., 0., 0., 9., 0., 7., 5., 3., 9., 4., 8.]])

pprint(np.hsplit(a,3)) #水平切成三等分

[array([[8., 5., 5., 7.],

       [5., 8., 0., 0.]]),

 array([[3., 5., 8., 6.],

       [9., 0., 7., 5.]]),

 array([[2., 8., 9., 0.],

       [3., 9., 4., 8.]])]

vsplit沿垂直轴分割，array_split允许指定沿哪个轴分割。

巴特西

Numpy系列（六）- 形状操作

更改数组形状

将不同数组堆叠在一起

将一个数组分成几个较小的数组

最新文章

热门文章