大数据知识体系
  • 语言基础
  • Python
  • Numpy
Will
2022-08-04
目录

数组形状变换

# 数组形状变换形式

  • 重塑
  • 扁平化处理
  • 数组合并
  • 数组拆分
  • 数组扩充
  • 数组转置和轴对换

# 重塑

  • ndarray.reshape(shape, order='C')
  • ndarray.resize()

    reshape 函数返回修改后的新对象，而 ndarray.resize 方法修改数组本身

  • 重塑的各个维度上整数的乘积必须等于 arr.size
  • 如果想让自动计算某个轴上的大小，可以传入-1
import numpy as np

arr = np.arange(12)
arr2 = arr.copy()
1
2
3
4
arr.reshape((4, 3)) # order默认为‘C’ ，按列读取。等效于reshape(4, 3)
1
array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11]])

arr.reshape((4, 3), order='F') # 按行读取

# 虽然做了这么多操作  但是arr本身是没有变化的
arr
1
2
3
4
array([[ 0,  4,  8],
       [ 1,  5,  9],
       [ 2,  6, 10],
       [ 3,  7, 11]])

array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11])

# resize()会修改对象本身
arr2.resize((4,3))
arr2
1
2
3
array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11]])

多维数组重塑

ndarr = arr.reshape(4, 3)
ndarr
1
2
array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11]])

ndarr.reshape(2, 6)
1
array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11]])

# 重塑为三维度
arr.reshape((2,2,3))
1
2
array([[[ 0,  1,  2],
        [ 3,  4,  5]],

       [[ 6,  7,  8],
        [ 9, 10, 11]]])

arr.reshape((3, 2, -1))
1
array([[[ 0,  1],
        [ 2,  3]],

       [[ 4,  5],
        [ 6,  7]],

       [[ 8,  9],
        [10, 11]]])

# 扁平化处理

ndarr = np.arange(12).reshape(3, 4)
ndarr
1
2
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

ndarr.flatten() # order='C'，按列
1
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11])

ndarr.flatten(order='F') # 按行
1
array([ 0,  4,  8,  1,  5,  9,  2,  6, 10,  3,  7, 11])

ravel_ndarr = ndarr.ravel() # flatten()返回新对象，ravel()返回视图
ravel_ndarr
1
2
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11])

ravel_ndarr[1] = 100
ndarr
1
2
array([[  0, 100,   2,   3],
       [  4,   5,   6,   7],
       [  8,   9,  10,  11]])

# 数组合并

  • concatenate

    沿着一条轴连接一组（多个）数组。除了与 axis 对应的轴之外，其它轴必须有相同的形状。

  • vstack、row_stack

    以追加行的方式对数组进行连接（沿轴 0）

  • hstack

    以追加列的方式对数组进行连接（沿轴 1）

  • column_stack

    类似于 hstack，但是会先将一维数组转换为二维列向量

  • dstack

    以面向“深度”的方式对数组进行叠加

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6]])
a
b
1
2
3
4
array([[1, 2],
       [3, 4]])

array([[5, 6]])

np.concatenate((a, b), axis=0) # 可以查看函数说明
1
array([[1, 2],
       [3, 4],
       [5, 6]])

b.T
1
array([[5],
       [6]])

a.shape, b.T.shape
1
((2, 2), (2, 1))

np.concatenate((a, a.T), axis=1)
1
array([[1, 2, 1, 3],
       [3, 4, 2, 4]])

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

b = np.array([[10, 20, 30],
              [40, 50, 60]])

a
b
1
2
3
4
5
6
7
8
array([[1, 2, 3],
       [4, 5, 6]])

array([[10, 20, 30],
       [40, 50, 60]])

np.vstack((a, b))
1
array([[ 1,  2,  3],
       [ 4,  5,  6],
       [10, 20, 30],
       [40, 50, 60]])

np.row_stack((a, b))
1
array([[ 1,  2,  3],
       [ 4,  5,  6],
       [10, 20, 30],
       [40, 50, 60]])

np.hstack((a, b))
1
array([[ 1,  2,  3, 10, 20, 30],
       [ 4,  5,  6, 40, 50, 60]])

np.column_stack((a, b))
1
array([[ 1,  2,  3, 10, 20, 30],
       [ 4,  5,  6, 40, 50, 60]])

np.dstack((a, b))
1
array([[[ 1, 10],
        [ 2, 20],
        [ 3, 30]],

       [[ 4, 40],
        [ 5, 50],
        [ 6, 60]]])

# 数组拆分

  • split

    沿指定轴在指定的位置拆分数组

  • hsplit、vsplit、dsplit

    split 的便捷化函数，分别沿轴 0、轴 1、轴 2 进行拆分

split_arr = np.arange(36).reshape(6, -1)
split_arr
1
2
array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17],
       [18, 19, 20, 21, 22, 23],
       [24, 25, 26, 27, 28, 29],
       [30, 31, 32, 33, 34, 35]])

a, b, c = np.split(split_arr, 3, axis=0) # 可以查看函数说明
a
b
c
1
2
3
4
array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11]])

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

array([[24, 25, 26, 27, 28, 29],
       [30, 31, 32, 33, 34, 35]])

a, b, c = np.split(split_arr, 3, axis=1) # 可以查看函数说明
a
b
c
1
2
3
4
array([[ 0,  1],
       [ 6,  7],
       [12, 13],
       [18, 19],
       [24, 25],
       [30, 31]])

array([[ 2,  3],
       [ 8,  9],
       [14, 15],
       [20, 21],
       [26, 27],
       [32, 33]])

array([[ 4,  5],
       [10, 11],
       [16, 17],
       [22, 23],
       [28, 29],
       [34, 35]])

a, b, c, d = np.split(split_arr, [2, 4, 5], axis=1)
a
b
c
d
1
2
3
4
5
array([[ 0,  1],
       [ 6,  7],
       [12, 13],
       [18, 19],
       [24, 25],
       [30, 31]])

array([[ 2,  3],
       [ 8,  9],
       [14, 15],
       [20, 21],
       [26, 27],
       [32, 33]])

array([[ 4],
       [10],
       [16],
       [22],
       [28],
       [34]])

array([[ 5],
       [11],
       [17],
       [23],
       [29],
       [35]])

# repeat 和 tile

# repeat —— 针对元素

arr = np.arange(4)
arr
1
2
array([0, 1, 2, 3])

np.repeat(arr, 2)
1
array([0, 0, 1, 1, 2, 2, 3, 3])

# 指定每个元素的重复次数
# 0重复2次，1重复3次，2重复4次，3重复5次
np.repeat(arr, [2, 3, 4, 5])
1
2
3
array([0, 0, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3, 3])

多维数组 repeat

ndarr = np.arange(6).reshape(2, 3)
ndarr
1
2
array([[0, 1, 2],
       [3, 4, 5]])

np.repeat(ndarr, 2) # 不指定轴会被扁平化
1
array([0, 0, 1, 1, 2, 2, 3, 3, 4, 4, 5, 5])

np.repeat(ndarr, 2, axis=0)
1
array([[0, 1, 2],
       [0, 1, 2],
       [3, 4, 5],
       [3, 4, 5]])

np.repeat(ndarr, 2, axis=1)
1
array([[0, 0, 1, 1, 2, 2],
       [3, 3, 4, 4, 5, 5]])

# tile ———— 针对整个数组

ndarr
1
array([[0, 1, 2],
       [3, 4, 5]])

np.tile(ndarr, 2) # 对标量是横向扩展
1
array([[0, 1, 2, 0, 1, 2],
       [3, 4, 5, 3, 4, 5]])

np.tile(ndarr, (1,2))
1
array([[0, 1, 2, 0, 1, 2],
       [3, 4, 5, 3, 4, 5]])

np.tile(ndarr, (2,3))
1
array([[0, 1, 2, 0, 1, 2, 0, 1, 2],
       [3, 4, 5, 3, 4, 5, 3, 4, 5],
       [0, 1, 2, 0, 1, 2, 0, 1, 2],
       [3, 4, 5, 3, 4, 5, 3, 4, 5]])

# 数组转置和轴对换

  • 转置和轴对换返回的是原对象的视图，不是新对象
arr = np.arange(12).reshape(3,4)
arr
1
2
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

arr.T
1
array([[ 0,  4,  8],
       [ 1,  5,  9],
       [ 2,  6, 10],
       [ 3,  7, 11]])

arr.transpose()
1
array([[ 0,  4,  8],
       [ 1,  5,  9],
       [ 2,  6, 10],
       [ 3,  7, 11]])

arr
1
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

arr.T[:2] = 0
arr
1
2
array([[ 0,  0,  2,  3],
       [ 0,  0,  6,  7],
       [ 0,  0, 10, 11]])
上次更新: 2023/11/01, 03:11:44

← 通用函数→

Theme by Vdoing | Copyright © 2022-2023 Will 蜀ICP备2022002285号-1