运算库之numpy(数组的合并和分割)

最新推荐文章于 2023-12-08 21:52:40 发布

rookie-rookie-lu

最新推荐文章于 2023-12-08 21:52:40 发布

阅读量1.8k

点赞数

分类专栏：数据挖掘三剑客文章标签： python numpy 数组数据分析数据挖掘

本文链接：https://blog.csdn.net/cai_niao_lu/article/details/121973105

版权

数据挖掘三剑客专栏收录该内容

12 篇文章 1 订阅

订阅专栏

这篇博客介绍了NumPy库中用于数组合并与分割的主要方法，包括按行和列合并数组，以及通过数值或索引进行数组分割。示例代码展示了如何使用np.vstack、np.hstack、np.concatenate以及np.split函数进行具体操作。这些基础操作对于数据预处理和处理大型数据集至关重要。

摘要由CSDN通过智能技术生成

1.合并
1.按照列合并
np.hstick(tup)
tup：传入列表或者元组
return：返回合并完成的数组
2.按照行合并
np.vstick(tup)
tup：传入列表或者元组
return：返回合并完成的数组
3.指定轴的合并方式
np.concatenate((a1, a2, ...), axis=0)
(a1, a2, ……):不仅仅可以传入元组，也可传入列表
axis：轴，默认值是0，是按行合并。当出入的值为1时，按照列合并
2.分割
np.split(ary, indices_or_sections)
ary：传入要进行操作的数组
indices_or_sections：传入数值或者传入一个列表，当传入的是一个数值的时候，是平均分配成几组。当传入一个列表的时候，是按照索引进行分类。比如，当传入列表[3, 8, 10]时，会按照0，1，2和3，4，5，6，7和8，9和10……这个方式分组。
return：返回的是一个装有分组状况的列表

合并

代码：

import numpy as np

# 行合并
a = np.array([1, 2, 3, 4]).reshape(1, 4)
b = np.array([2, 3, 4, 5]).reshape(1, 4)
print(np.vstack([a, b]))
print(np.concatenate([a, b]))

# 列合并
print(np.hstack([a, b]))
print(np.concatenate([a, b], axis=1))

输出：

[[1 2 3 4]
 [2 3 4 5]]
[[1 2 3 4]
 [2 3 4 5]]
[[1 2 3 4 2 3 4 5]]
[[1 2 3 4 2 3 4 5]]

分割

代码：

import numpy as np

data = np.arange(20)

# 按照数值进行分割
print(np.split(data, 4))

# 按照索引列表进行分割
print(np.split(data, [3, 8, 10]))

输出：

[array([0, 1, 2, 3, 4]), array([5, 6, 7, 8, 9]), array([10, 11, 12, 13, 14]), array([15, 16, 17, 18, 19])]
[array([0, 1, 2]), array([3, 4, 5, 6, 7]), array([8, 9]), array([10, 11, 12, 13, 14, 15, 16, 17, 18, 19])]

学习地址：

黑马程序员Python教程，4天快速入门Python数据挖掘，系统精讲+实战案例_哔哩哔哩_bilibili