码迷,mamicode.com
首页 > 其他好文 > 详细

Numpy系列(六)- 形状操作

时间:2019-03-20 20:57:30      阅读:164      评论:0      收藏:0      [点我收藏+]

标签:bsp   改变   array   素数   除了   堆叠   转换   resize   col   

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ravelreshapeT,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hstackcolumn_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。

 

Numpy系列(六)- 形状操作

标签:bsp   改变   array   素数   除了   堆叠   转换   resize   col   

原文地址:https://www.cnblogs.com/zhangyafei/p/10567323.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!