python学习numpy基础和应用-6

在上一篇的学习中，了解到，使用那些方法已经能够实现数组的变形了，numpy觉得我们不够，还允许我们使用下标操作完成变形。

我们定义了数组data，

我们发现c从一维变成了二维，从以前的切片知识可知，操作本质是对data进行切片，逗号前面部分，表示data0轴上的所有元素，

也就是data的全部元素，而逗号后面的元素表示1轴上的元素，在设置元素取值范围的时候，使用了np.newaxis，查看文档，

我们会发现np.newaxis是none。如果我们用none代替np.newaxis会是一样的效果吗？

结果显而易见，是一样的。我们刚才考虑到它是切片操作，那么它是不是与原数组共用一个视图那？

结果是，共用同一个视图。

我们把data变为二维数组的时候，将1轴设为None，将0轴设为None将会是什么样的操作呢？

符合我们的预期。

针对这种在切片中使用newaxis的方法，numpy提供了一个替代函数--np.expand_dims()。

函数是根据轴来调整数组的形状。

我们在numpy中，实现数组与数组的结合，以及针对一个数组进行分割，有几个非常好用的方法。

这些方法丰富了针对数组的操作方式。

水平组合

实现水平组合的函数形式是np.hstack(tup)，其中tup是一个元组，包含几个即将被组合在一起的几个数组。

下面就演示一项：

假设实例为二维数组，要求其0轴方向的形状一样，而1轴的方向的形状可以不同。

此外，还有实现水平组合另外两种方法，一个是Np.stack，另一个是np.concatenate()。

垂直组合

实现垂直组合的专有函数为np.vstack()函数。

既然是垂直方向，就要求其1轴上形状相同。

学习的过程中发现，有转置操作：

但是元素的排列方法明显不同。

np.concatenate()在传入轴的参数后，也能实现垂直组合，与之前的操作等效。

除了以上两种的组合方式外，还有深度组合，行组合，列组合方式。

举例说明：

 

我们可以想象，a,b为两个平面，而b为a平面上元素乘以3而得到的数组。

进行结合的话，将有关系的元素组队，就会得到新的数组。

实现的是将两个一维数组结合，当操作的是二维数组，则效果等于垂直组合。

与组合相对的是切割操作。

np.split()的通用的函数形式为np.split(ary,indices_or_sections,axis=0)。

这里axis=1代表从1轴进行切割，分为2部分

这里我们将其切割为三部分。

同样我们可以改变切割的轴，当我们将切割轴设为0时：

当然，我们那也有专门的切割函数来进行分割：

np.hsplit(数组，分割数),np.vsplit(数组，分割数)。

我们不仅能组合切割元素，还能“改编”。

意思是不仅能修改数组中已有的元素，还能进行增加，删除等操作。

我们将b中的元素添加到a中。这里我们新建了一个数组r用来存放原来的数组。

如果不声明轴的话，将意味着知识用原来两个数组的元素组建一个新的一维数组。

除了追加外，我们还能插入，即某些元素插入到指定位置。

我们这里看到，不共用同一个视图。

我们还有一个删除的操作：