数据挖掘技术之变换数组的形态

在对数组进行操作时，经常要改变数组的维度。在NumPy中，常用reshape函数改变数组的“形状”，也就是改变数组的维度，其参数为一个正整数元组，分别指定数组在每个维度上的大小，reshape函数在改变原始数据的形状的同时不改变原始数据的值。如果指定的维度和数组的元素数目不相吻合，函数将抛出异常，如代码 421所示。

代码 421 改变数组形状

In[44]:	arr = np.arange(12)  #创建一维数组 print('创建的一维数组为：',arr)
Out[44]:	创建的一维数组为： [ 0  1  2  3  4  5  6  7  8  9 10 11]
In[45]:	print('新的一维数组为：',arr.reshape(3,4))  #设置数组的形状
Out[45]:	新的一维数组为： [[ 0  1  2  3]  [ 4  5  6  7]  [ 8  9 10 11]]
In[46]:	print('数组维度为：',arr.reshape(3,4).ndim)  #查看数组维度
Out[46]:	数组维度为： 2

在NumPy中可以使用ravel函数完成数组展平工作，如代码 422所示。

代码 422 使用ravel函数展平数组

In[47]:	arr = np.arange(12).reshape(3,4) print('创建的二维数组为：',arr)
Out[47]:	创建的二维数组为： [[ 0  1  2  3]  [ 4  5  6  7]  [ 8  9 10 11]]
In[48]:	print('数组展平后为：',arr.ravel())
Out[48]:	数组展平后为： [ 0  1  2  3  4  5  6  7  8  9 10 11]

flatten函数也可以完成数组展平工作，区别在于flatten函数可以选择横向或纵向展平，如代码 423所示。

代码 423 使用flatten函数展平数组

In[49]:	print('数组展平为：',arr.flatten())  #横向展平
Out[49]:	数组展平为： [ 0  1  2  3  4  5  6  7  8  9 10 11]
In[50]:	print('数组展平为：',arr.flatten('F'))  #纵向展平
Out[50]:	数组展平为： [ 0  4  8  1  5  9  2  6 10  3  7 11]

除了可以改变数组“形状”，NumPy也可以对数组进行组合，组合方向主要有横向组合与纵向组合，使用hstack函数，vstack函数以及concatenate函数来完成数组的组合，下面将对数组组合常用的函数进行介绍。

横向组合是将ndarray对象构成的元组作为参数，传给hstack函数，如代码 424所示。

代码 424 使用hstack函数实现数组横向组合

In[51]:	arr1 = np.arange(12).reshape(3,4) print('创建的数组1为：',arr1)
Out[51]:	创建的数组1为： [[ 0  1  2  3]  [ 4  5  6  7]  [ 8  9 10 11]]
In[52]:	arr2 = arr1*3 print('创建的数组2为：',arr2)
Out[52]:	创建的数组2为： [[ 0  3  6  9]  [12 15 18 21]  [24 27 30 33]]
In[53]:	print('横向组合为：',np.hstack((arr1,arr2)))  #hstack函数横向组合
Out[53]:	横向组合为： [[ 0  1  2  3  0  3  6  9]  [ 4  5  6  7 12 15 18 21]  [ 8  9 10 11 24 27 30 33]]

纵向组合同样是将ndarray对象构成的元组作为参数，只不过传给vstack函数，如代码 425的所示。

代码 425 使用vstack函数实现数组纵向组合

In[54]:	print('纵向组合为：',np.vstack((arr1,arr2)))  #vstack函数纵向组合
Out[54]:	纵向组合为： [[ 0  1  2  3]  [ 4  5  6  7]  [ 8  9 10 11]  [ 0  3  6  9]  [12 15 18 21]  [24 27 30 33]]

concatenate函数也可以实现数组的横向纵向组合，其中axis=1时按照横轴合并，在参数axis = 0时按照纵轴合并，如代码 426所示。

代码 426 使用concatenate函数组合数组

In[55]:	print('横向组合为：',np.concatenate((arr1,arr2),axis = 1))  #concatenate函数横向组合
Out[55]:	横向组合为： [[ 0  1  2  3  0  3  6  9]  [ 4  5  6  7 12 15 18 21]  [ 8  9 10 11 24 27 30 33]]
In[56]:	print('纵向组合为：',np.concatenate((arr1,arr2),axis = 0))  #concatenate函数纵向组合
Out[56]:	纵向组合为： [[ 0  1  2  3]  [ 4  5  6  7]  [ 8  9 10 11]  [ 0  3  6  9]  [12 15 18 21]  [24 27 30 33]]

除此之外，还可以对数组进行分割，NumPy提供hsplit、vsplit、dsplit和split函数，可以将数组分割成相同大小的子数组，也可以指定原数组中需要分割的位置。

使用hsplit函数可以对数组进行横向分割，ndarray对象构成的元组作为参数，如代码 427所示。

代码 427 使用hsplit函数实现数组横向分割

In[57]:	arr = np.arange(16).reshape(4,4) print('创建的二维数组为：',arr)
Out[57]:	创建的二维数组为： [[ 0  1  2  3]  [ 4  5  6  7]  [ 8  9 10 11]  [12 13 14 15]]
In[58]:	print('横向分割为：',np.hsplit(arr1, 2))  #hsplit函数横向分割
Out[58]:	横向分割为： [array([[ 0,  1],        [ 4,  5],        [ 8,  9],        [12, 13]]), array([[ 2,  3],        [ 6,  7],        [10, 11],        [14, 15]])]

使用vsplit函数可以对数组进行纵向分割，ndarray对象构成的元组作为参数，如代码 428所示。

代码 428 使用vsplit函数实现数组纵向分割

In[59]:	print('纵向分割为：',np.vsplit(arr, 2))  #vsplit函数纵向分割
Out[59]:	纵向分割为： [array([[0, 1, 2, 3],        [4, 5, 6, 7]]), array([[ 8,  9, 10, 11],        [12, 13, 14, 15]])]

split函数同样可以实现数组分割，在参数axis=1时，可以进行横向分割，在参数axis=0，可以进行纵向分割，如代码 429所示。

代码 429 使用split函数分割数组

In[60]:	print('横向分割为：',np.split(arr, 2, axis=1))  #split函数横向分割
Out[60]:	横向分割为： [array([[ 0,  1],        [ 4,  5],        [ 8,  9],        [12, 13]]), array([[ 2,  3],        [ 6,  7],        [10, 11],        [14, 15]])]
In[61:	print('纵向分割为：',np.split(arr, 2, axis=0))  #split函数纵向分割
Out[61]:	纵向分割为： [array([[0, 1, 2, 3],        [4, 5, 6, 7]]), array([[ 8,  9, 10, 11],        [12, 13, 14, 15]])]