【datawhale】--numpy学习--数组操作

数组操作2.0

数组组合

如果要将两份数据组合到一起，就需要拼接操作。numpy.concatenate((a1, a2, …), axis=0, out=None) Join a sequence of arrays along an existing axis.连接沿现有轴的数组序列（原来x，y都是一维的，拼接后的结果也是一维的，同理，二维数组拼接过后也是二维的）。

import numpy as np

x = np.array([20,10,24])
y = np.array([20,10,25])

z = np.concatenate([x,y])

print(z)

##结果如下：
[20 10 24 20 10 25]

对二维数组进行拼接：

import numpy as np

x = np.array([20,10,24]).reshape(1,3)
y = np.array([20,10,25]).reshape(1,3)

z = np.concatenate([x,y])

print(z)

##结果如下：

[[20 10 24]
 [20 10 25]]

在原来的维度上进行拼接：

import numpy as np

x = np.array([[20,10,24],[20,10,23]])
y = np.array([[20,10,25],[20,10,22]])

z = np.concatenate([x,y])


print(z)

##结果如下：

[[20 10 24]
 [20 10 23]
 [20 10 25]
 [20 10 22]]

z =np.concatenate([x,y],axis=0)
print(z)

z =np.concatenate([x,y],axis=1)
print(z)

以上两行代码运行的结果分别是：

[[20 10 24]
 [20 10 23]
 [20 10 25]
 [20 10 22]]

[[20 10 24 20 10 25]
 [20 10 23 20 10 22]]

##为什么会出现这种情况，仔细观察可以发现，是axis=0和axis=1这两部分致使输出结果不同，那么下面仔细说一下有关axis的作用。

numpy是个多维数组，为了在数组的操作过程中方便，需要指定某个或某些维度，因此，便设计了axis。
axis等于不同的数，numpy也就会沿着不同的方向进行操作，如果不出现axis，numpy会对所有数组的元素进行操作。在二维数组下，当axis=0时，numpy便会沿着纵轴进行操作；axis=1时，则会沿着横轴进行操作。那么对于多维数组呢？可以有一个简便的记忆方法：
axis=i，numpy则会沿着第i个下标比变化的方向进行操作

数组拆分

numpy.split(ary, indices_or_sections, axis=0) Split an array into multiple sub-arrays as views into ary.

x = np.array([[11,15,16,20],
             [34,56,8,4],
             [56,79,43,26],
             [45,6,34,67]])
y = np.split(x,[1,3])
print(y)

##结果如下：

[array([[11, 15, 16, 20]]), array([[34, 56,  8,  4],
       [56, 79, 43, 26]]), array([[45,  6, 34, 67]])]

数组平铺

numpy.tile(A, reps) Construct an array by repeating A the number of times given by reps.tile 是瓷砖的意思，顾名思义，这个函数就是把数组像瓷砖一样铺展开来。
下面进行一个示例，将原矩阵横向、纵向地复制。

x = np.array([[1,2],[3,4]])
print(x)

##结果如下：
[[1 2]
 [3 4]]

进行数组的平铺：

y =np.tile(x,(1,3))
print(y)
y =np.tile(x,(1,3))
print(y)
[[1 2 1 2 1 2]
 [3 4 3 4 3 4]]
1
y =np.tile(x,(3,1))
print(y)
[[1 2]
 [3 4]
 [1 2]
 [3 4]
 [1 2]
 [3 4]]
y =np.tile(x,(3,3))
print(y)
[[1 2 1 2 1 2]
 [3 4 3 4 3 4]
 [1 2 1 2 1 2]
 [3 4 3 4 3 4]
 [1 2 1 2 1 2]
 [3 4 3 4 3 4]]