垂直拆分:numpy.vsplit(数组,份数)->(数组片段) import numpy as np c = np.arange(1,13).reshape(6,2) c array([1,2],[3,4],[5,6],[7,8],[9,10],[11,12]) np.vsplit(c,3) [array([[1,2],[3,4],])array([[5,6],[7,8]])array([[9,10],[11,12]])] 水平拆分:numpy.hsplit(数组,份数)->(数组片段) d =c.T d array([[1,3,5,7,9,11],[2,4,6,8,10,12]]) array([[1, 3],[2, 4]]), array([[5, 7],[6, 8]]), array([[ 9, 11],[10, 12]]) numpy.dsplit(数组,份数)->(数组片段) import numpy as np e = np.dstack((a, b)) e array([[[11, 21],[12, 22],[13, 23]],[[14, 24],[15, 25],[16, 26]],[[17, 27],[18, 28],[19, 29]]]) np.dsplit(e, 2) Out[35]: [array([[[11],[12],[13]],[[14],[15],[16]],[[17],[18],[19]]]), array([[[21],[22],[23]],[[24],[25],[26]],[[27],[28],[29]]])] 灵活选择引用 inistate =np.array([1,2,3,4]) pre_inistate = inistate[0:3] pre_inistate array([0.18257419, 0.36514837, 0.54772256]) numpy基本加减和取行操作 import numpy as np a = np.array([1,1,1,1]) b = np.array([[1],[1],[1],[1]]) a+b array([[2, 2, 2, 2], [2, 2, 2, 2], [2, 2, 2, 2], [2, 2, 2, 2]]) c = np.array([[1,1,1,1]]) c+b array([[2, 2, 2, 2], [2, 2, 2, 2], [2, 2, 2, 2], [2, 2, 2, 2]]) W = np.array([[1,1,1],[2,2,2]]) W[:,1] array([1, 2]) W[1] array([2, 2, 2]) W[:,1] = np.array([5,5]) W array([[1, 5, 1], [2, 5, 2]]) delete()函数 import numpy as np matrix = [[1,2,3,4],[5,6,7,8],[9,10,11,12]] p1 = np.delete(matrix, 1, 0) # 第0维度(行)第1行被删除(初始行为0行) print(’>>>>p1>>>>\n’,p1) p2 = np.delete(matrix, 1, 1) # 第1维度(列)第1行被删除 print(’>>>>p2>>>>\n’,p2) p3 = np.delete(matrix, 1) # 拉平后删除第1个元素(初始为第0个) print(’>>>>p3>>>>\n’,p3) p4 = np.delete(matrix, [0,1], 1) # 第1维度(列)第0、1行被删除 print(’>>>>p4>>>>\n’,p4) 结果: p1>>>> [[ 1 2 3 4] [ 9 10 11 12]] p2>>>> [[ 1 3 4] [ 5 7 8] [ 9 11 12]] p3>>>> [ 1 3 4 5 6 7 8 9 10 11 12] p4>>>> [[ 3 4] [ 7 8] [11 12]] insert()函数 import numpy as np matrix = [[1,2,3,4],[5,6,7,8],[9,10,11,12]] q1 = np.insert(matrix, 1, [1,1,1,1], 0) # 第0维度(行)第1行添加[1,1,1,1] print(’>>>>q1>>>>\n’,q1) q2 = np.insert(matrix, 0, [1,1,1], 1) # 第1维度(列)第0列添加1,1,1 print(’>>>>q2>>>>\n’,q2) q3 = np.insert(matrix, 3, [1,1,1,1], 0) # 第0维度(行)第3行添加[1,1,1,1] print(’>>>>q3>>>>\n’,q3) 结果 q1>>>> [[ 1 2 3 4] [ 1 1 1 1] [ 5 6 7 8] [ 9 10 11 12]] q2>>>> [[ 1 1 2
焦海洋的Numpy作业
最新推荐文章于 2022-04-16 18:29:52 发布