ipad python numpy_python numpy pad用法及代码示例

填充数组。

参数：array： ： array_like of rank N

要填充的阵列。

pad_width： ： {sequence, array_like, int}

填充到每个轴边的值的数量。 ((before_1，after_1)，…(before_N，after_N))每个轴的唯一焊盘宽度。 ((before，after)，)对于每个轴在pad之前和之后产生相同的结果。 (pad)或int是所有轴前=后=垫宽度的快捷方式。

mode： ： str 或 function, 可选参数

以下字符串值之一或用户提供的函数。

‘constant’(默认)

具有恒定值的打击垫。

‘edge’

用数组的边值填充。

‘linear_ramp’

线性斜坡在end_value和阵列边值之间填充。

‘maximum’

沿每个轴填充全部或部分矢量的最大值。

‘mean’

沿每个轴填充全部或部分矢量的平均值。

‘median’

沿每个轴填充全部或部分向量的中值。

‘minimum’

沿每个轴填充全部或部分矢量的最小值。

‘reflect’

具有矢量反射的填充沿每个轴在矢量的第一个和最后一个值上镜像。

‘symmetric’

具有矢量反射的填充沿阵列的边镜像。

‘wrap’

沿轴以向量的换行填充。第一个值用于填充结尾，而结束值用于填充开头。

‘empty’

具有未定义值的打击垫。

1.17版中的新功能。

填充功能，请参见注释。

stat_length： ： sequence 或 int, 可选参数

在‘maximum’，‘mean’，‘median’和‘minimum’中使用。用于计算统计值的每个轴的边处的值数。

((before_1，after_1)，…(before_N，after_N))每个轴的唯一统计长度。

((before，after)，)在每个轴的统计长度前后产生相同的结果。

(stat_length，)或int是所有轴统计长度之前=之后=的快捷方式。

默认为None，以使用整个轴。

constant_values： ： sequence 或 scalar, 可选参数

在‘constant’中使用。用于设置每个轴的填充值的值。

((before_1, after_1), ... (before_N, after_N))每个轴的唯一填充常数。

((before, after),)每个轴的常数前后均相同。

(constant,)或者constant是的快捷方式before = after = constant对于所有轴。

默认值为0。

end_values： ： sequence 或 scalar, 可选参数

在‘linear_ramp’中使用。用于linear_ramp结束值的值将形成填充数组的边。

((before_1, after_1), ... (before_N, after_N))每个轴的唯一最终值。

((before, after),)每个轴的最终值前后均相同。

(constant,)或者constant是的快捷方式before = after = constant对于所有轴。

默认值为0。

reflect_type： ： {‘even’, ‘odd’}, 可选参数

在‘reflect’和‘symmetric’中使用。 ‘even’样式是默认样式，其边值周围的反射不变。对于‘odd’样式，通过从两倍边值中减去反射值来创建数组的扩展部分。

返回值：pad： ： ndarray

等于的填充数组array形状根据pad_width增加。

注意：

1.7.0版中的新功能。

对于等级大于1的数组，后一个轴的某些填充是根据前一个轴的填充来计算的。这是最容易想到的秩2数组，其中通过使用来自第一个轴的填充值来计算填充数组的角。

如果使用padding函数，则应就地修改等级1数组。它具有以下签名：

padding_func(vector, iaxis_pad_width, iaxis, kwargs)

哪里

vector : ndarray

A rank 1 array already padded with zeros. Padded values are

vector[:iaxis_pad_width[0]] and vector[-iaxis_pad_width[1]:].

iaxis_pad_width : tuple

A 2-tuple of ints, iaxis_pad_width[0] represents the number of

values padded at the beginning of vector where

iaxis_pad_width[1] represents the number of values padded at

the end of vector.

iaxis : int

The axis currently being calculated.

kwargs : dict

Any keyword arguments the function requires.

例子：

>>> a = [1, 2, 3, 4, 5]

>>> np.pad(a, (2, 3), 'constant', constant_values=(4, 6))

array([4, 4, 1, ..., 6, 6, 6])

>>> np.pad(a, (2, 3), 'edge')

array([1, 1, 1, ..., 5, 5, 5])

>>> np.pad(a, (2, 3), 'linear_ramp', end_values=(5, -4))

array([ 5, 3, 1, 2, 3, 4, 5, 2, -1, -4])

>>> np.pad(a, (2,), 'maximum')

array([5, 5, 1, 2, 3, 4, 5, 5, 5])

>>> np.pad(a, (2,), 'mean')

array([3, 3, 1, 2, 3, 4, 5, 3, 3])

>>> np.pad(a, (2,), 'median')

array([3, 3, 1, 2, 3, 4, 5, 3, 3])

>>> a = [[1, 2], [3, 4]]

>>> np.pad(a, ((3, 2), (2, 3)), 'minimum')

array([[1, 1, 1, 2, 1, 1, 1],

[1, 1, 1, 2, 1, 1, 1],

[1, 1, 1, 2, 1, 1, 1],

[1, 1, 1, 2, 1, 1, 1],

[3, 3, 3, 4, 3, 3, 3],

[1, 1, 1, 2, 1, 1, 1],

[1, 1, 1, 2, 1, 1, 1]])

>>> a = [1, 2, 3, 4, 5]

>>> np.pad(a, (2, 3), 'reflect')

array([3, 2, 1, 2, 3, 4, 5, 4, 3, 2])

>>> np.pad(a, (2, 3), 'reflect', reflect_type='odd')

array([-1, 0, 1, 2, 3, 4, 5, 6, 7, 8])

>>> np.pad(a, (2, 3), 'symmetric')

array([2, 1, 1, 2, 3, 4, 5, 5, 4, 3])

>>> np.pad(a, (2, 3), 'symmetric', reflect_type='odd')

array([0, 1, 1, 2, 3, 4, 5, 5, 6, 7])

>>> np.pad(a, (2, 3), 'wrap')

array([4, 5, 1, 2, 3, 4, 5, 1, 2, 3])

>>> def pad_with(vector, pad_width, iaxis, kwargs):

... pad_value = kwargs.get('padder', 10)

... vector[:pad_width[0]] = pad_value

... vector[-pad_width[1]:] = pad_value

>>> a = np.arange(6)

>>> a = a.reshape((2, 3))

>>> np.pad(a, 2, pad_with)

array([[10, 10, 10, 10, 10, 10, 10],

[10, 10, 10, 10, 10, 10, 10],

[10, 10, 0, 1, 2, 10, 10],

[10, 10, 3, 4, 5, 10, 10],

[10, 10, 10, 10, 10, 10, 10],

[10, 10, 10, 10, 10, 10, 10]])

>>> np.pad(a, 2, pad_with, padder=100)

array([[100, 100, 100, 100, 100, 100, 100],

[100, 100, 100, 100, 100, 100, 100],

[100, 100, 0, 1, 2, 100, 100],

[100, 100, 3, 4, 5, 100, 100],

[100, 100, 100, 100, 100, 100, 100],

[100, 100, 100, 100, 100, 100, 100]])