Numpy數組的組合與分割實現的方法
在介紹數組的組合和分割前,我們需要先瞭解數組的維(ndim)和軸(axis)概念。
如果數組的元素是數組,即數組嵌套數組,我們就稱其為多維數組。幾層嵌套就稱幾維。比如形狀為(a,b)的二維數組就可以看作兩個一維數組,第一個一維數組包含a個一維數組,第二個一維數組包含b個數據。
每一個一維線性數組稱為一個軸。二維數組的第一個軸(axis=0)就是以數組為元素的數組,第二個軸(axis=1)就是數組中的數組。因此第一個軸的方向就是沿著行的方向(垂直方向),第二個軸的方向沿著列的方向(水平方向)。
我們從嵌套數組的角度來看,a[0],a[1],a[2],a[3]……分別是取二維數組的第一行,二行,三行,四行……這正是先沿著第一個軸取元素(元素為行)。a[0][0],a[0][1]……則是(沿著第二個軸)取第一行的第一個元素,第二個元素……
也就是說,數組的軸從最外層數起。
三維數組我們應該怎麼理解呢?我們可以把它看作二維數組的堆疊,即一個立方體。它的第一個軸(axis=0)就是以二維數組為元素的數組,它的方向沿著二維數組堆疊的方向,也就是立方體的高。第二個軸自然就是立方體的寬,第三個軸就是立方體的長。舉例來說,一個形狀為(a,b,c)的三維數組就是a個形狀為(b,c)的二維數組嵌套在一起。
a=np.arange(24).reshape(2,3,4)#建立一個維度為3,形狀為(2,3,4)的三維數組 print(a)#打印 print(a.sum(axis=0))#沿第一個軸求和 print(a.sum(axis=1))#沿第二個軸求和 print(a.sum(axis=2))#沿第三個軸求和 ''' a的形狀如下: [[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] [[12 13 14 15] [16 17 18 19] [20 21 22 23]]] 沿第一個軸求和: [[12 14 16 18] [20 22 24 26] [28 30 32 34]] 沿第二個軸求和: [[12 15 18 21] [48 51 54 57]] 沿第三個軸求和: [[ 6 22 38] [54 70 86]] '''
從這個例子可以看出,沿第一個軸求和,就是從上方把這個立方體“壓扁”,第二個軸就是沿著寬,第三個軸就是沿著長。類似投影。
我們終於明白瞭,reshape函數的參數順序不是我們想當然認為的長,寬;長,寬,高;因為你無法解釋為什麼三維數組變形後的形狀與你所想的大相徑庭。它的順序是軸的順序(第一條軸,第二條軸,第三條軸……),也就是沿這條軸有多少個元素。軸的概念很重要,在很多函數中都有體現。
再直觀一點說,參數順序應該是高,寬(行方向),長(列方向)。
所以,數組的維度就很好理解瞭,就是軸的數量。我們在理解多維數組的時候,不要先入為主地認為多維數組的元素會更多;多維數組隻是它嵌套的層數多而已。高維數組也可能不含元素。
接下來我們介紹數組的組合。
數組的組合
數組的組合有水平組合,垂直組合,深度組合等方式。實現這些組合的函數主要有vstack,dstack,hstack,column_stack,row_stack,concatenate等。
因為我們最常用的數組也不過三維,所以用水平,垂直這樣的字眼比較形象;但我們要明白,本質上是沿軸進行的操作。
數組組合通常不會改變數組的維度。
1.水平組合
hstack函數與concatenate函數
1.1hstack函數:水平連接多個數組。參數隻有一個:以數組為元素的序列。
1.2concatenate函數:沿著現有的軸連接數組序列。
函數格式:concatenate((a1, a2, …), axis=0, out=None)
參數說明:a1, a2, …:為以數組為元素的類數組序列。其中數組形狀必須相同。
axis=0:數組將沿著這個軸組合,如果坐標軸為None,數組在使用前被平鋪。int型數據,可選參數,默認為零。
2.垂直組合
vstack函數與concatenate函數
2.1vstack函數:垂直連接多個數組。參數如上。
2.2concatenate函數:改一下軸參數就好。
水平組合和垂直組合是比較直觀的說法,因為我們用的最多的數組就是一維和二維;實際上,它們分別是沿著第二條軸(水平),第一條軸(垂直)進行組合。
a=np.array([1]) a=a.reshape(1,1,1,1,1)#隻有一個元素的五維數組 b=np.array([1]) b=b.reshape(1,1,1,1,1)#與a完全相同 c=np.hstack((a,b))#水平組合 d=np.vstack((a,b))#垂直組合 print(c) print(d) print(c.shape) print(d.shape) ''' 水平組合 [[[[[1]]] [[[1]]]]] 垂直組合 [[[[[1]]]] [[[[1]]]]] c的形狀 (1, 2, 1, 1, 1) d的形狀 (2, 1, 1, 1, 1) '''
3.行組合和列組合
3.1row_stack函數:行組合
將一維數組按行方向組合起來,對於二維數組完全等同於vstack。對於多維數組,實際上就是沿第一個軸進行組合。
3.2colum_stack函數:列組合
將一維數組按列方向組合起來,對於二維數組完全等同於hstack。對於多維數組,實際上就是沿第二個軸進行組合。
a=np.array([0,1,2]) b=np.array([1,2,3]) c=np.row_stack((a,b)) d=np.column_stack((a,b)) print(c) print(d) ''' 行組合 [[0 1 2] [1 2 3]] 列組合 [[0 1] [1 2] [2 3]] ''' a=np.array([0,1,2]).reshape(1,1,1,1,3) b=np.array([1,2,3]).reshape(1,1,1,1,3) c=np.row_stack((a,b)) d=np.column_stack((a,b)) print(c) print(d) print(c.shape) print(d.shape) ''' 行組合 [[[[[0 1 2]]]] [[[[1 2 3]]]]] [[[[[0 1 2]]] 列組合 [[[1 2 3]]]]] c形狀 (2, 1, 1, 1, 3) d形狀 (1, 2, 1, 1, 3) '''
4.深度組合
沿著第三個軸進行組合。
a=np.array([0,1,2]) b=np.array([1,2,3]) c=np.dstack((a,b))#深度組合 print(c) print(a.shape) print(c.shape) ''' [[[0 1] [1 2] [2 3]]] (3,) (1, 3, 2) ''' a=np.array([0,1,2]).reshape(1,1,1,3) b=np.array([1,2,3]).reshape(1,1,1,3) c=np.dstack((a,b)) print(c.shape) ''' (1, 1, 2, 3) '''
當數組維度比較小的時候,比如一維和二維,如果組合時沒有第二和第三參數,函數會自動為其在形狀左側補1,也就是拓展一層。這和之前說過的廣播機制十分類似。
數組的分割
數組可以進行水平,垂直等方式進行分割。相關函數:hsplit,vsplit,dsplit,split。
我們可以將數組分割成相同大小(形狀)的子數組,也可以指定分割的位置。
1.水平分割
hsplit函數和split函數。
沿水平方向,就是沿列方向,沿第二條軸(axis=1)方向。
1.1hsplit函數
格式:hsplit(ary, indices_or_sections)
第一個參數是數組;第二個參數是一個整數或列表,如果不指定,就會分割成相同大小的子數組。
a=np.arange(16).reshape(4,4) pp.pprint(a) pp.pprint(np.hsplit(a,2))#平均分割成兩部分 pp.pprint(np.hsplit(a,[2,3]))#沿第二,三列,分割成三部分 ''' array([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11], [12, 13, 14, 15]]) 分割成兩部分 [array([[ 0, 1], [ 4, 5], [ 8, 9], [12, 13]]), array([[ 2, 3], [ 6, 7], [10, 11], [14, 15]])] 分割成三部分 [array([[ 0, 1], [ 4, 5], [ 8, 9], [12, 13]]), array([[ 2], [ 6], [10], [14]]), array([[ 3], [ 7], [11], [15]])] '''
1.2split函數
函數格式:split(ary, indices_or_sections, axis=0)
第一個參數:數組。
第二個參數:整數或列表,可選參數。
第三個參數:軸,可選參數。
a=np.arange(24).reshape(4,6) print(a) pp.pprint(np.split(a,[2],axis=0)) ''' [[ 0 1 2 3 4 5] [ 6 7 8 9 10 11] [12 13 14 15 16 17] [18 19 20 21 22 23]] [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]])] '''
上面這個例子裡,我們選擇瞭第一條軸,也就是列方向。然後找到第二行一分為二。
a=np.arange(24).reshape(2,3,4) print(a) pp.pprint(np.split(a,[1],axis=0))#沿第一條軸,高 pp.pprint(np.split(a,[1],axis=1))#沿第二條軸,寬 pp.pprint(np.split(a,[1],axis=2))#沿第三條軸,長 ''' [[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] [[12 13 14 15] [16 17 18 19] [20 21 22 23]]] [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([[[ 0, 1, 2, 3]], [[12, 13, 14, 15]]]), array([[[ 4, 5, 6, 7], [ 8, 9, 10, 11]], [[16, 17, 18, 19], [20, 21, 22, 23]]])] [array([[[ 0], [ 4], [ 8]], [[12], [16], [20]]]), array([[[ 1, 2, 3], [ 5, 6, 7], [ 9, 10, 11]], [[13, 14, 15], [17, 18, 19], [21, 22, 23]]])] '''
上面是一個三維數組切割的例子。
2.垂直分割
vsplit函數和split函數
沿垂直方向,就是沿行方向,沿第一條軸(axis=0)方向。
split函數如上,改一條軸參數即可。
3.深度分割
dsplit函數
主要用於三維數組,其實就是沿第三條軸切割,就好比從上方切蛋糕一樣。
a=np.arange(24).reshape(2,3,4) b=np.dsplit(a,4)#把這個蛋糕從上切成四份 pp.pprint(b) ''' [array([[[ 0], [ 4], [ 8]], [[12], [16], [20]]]), array([[[ 1], [ 5], [ 9]], [[13], [17], [21]]]), array([[[ 2], [ 6], [10]], [[14], [18], [22]]]), array([[[ 3], [ 7], [11]], [[15], [19], [23]]])] '''
到此這篇關於Numpy數組的組合與分割實現的方法的文章就介紹到這瞭,更多相關Numpy數組組合與分割內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- Python數組變形的幾種實現方法
- numpy數組合並和矩陣拼接的實現
- Python Numpy中ndarray的常見操作
- Python數據分析之堆疊數組函數示例總結
- numpy中hstack vstack stack concatenate函數示例詳解