python中numpy科学计算库的基本使用（二）

上接python中numpy科学计算库的基本使用（一）

6.array的合并

生存array数组
vstack方法，实现垂直合并(即按行合并)

arr1=np.array([1,2,3])
arr2=np.array([4,5,6])
arr3=np.vstack((arr1,arr2))#垂直合并
print(arr3)
print(arr3.shape)
[[1 2 3]
 [4 5 6]]
 
(2, 3)

hstack方法，实现水平合并（即按列合并）

arr4=np.hstack((arr1,arr2))#水平合并
print(arr4)
print(arr4.shape)
[1 2 3 4 5 6]

(6,)

注：python中，对一维数组使用.shape方法得到的是（数组长度，）这种格式。对矩阵使用.shape方法得到的是（行数，列数）这种格式。
注：python中两个一维数组使用hstack按列合并是合成一个长数组（如上例），
而R中，两个一维向量使用cbind按列合并是合成一个两列的矩阵,使用rbind按行合并是合成一个两行的矩阵
R语言一个例子

> a <- c(1,2,3)
> b <- c(4,5,6)
> a
[1] 1 2 3
> b
[1] 4 5 6
> c <- cbind(a,b)
> c
     a b
[1,] 1 4
[2,] 2 5
[3,] 3 6
> c <- rbind(a,b)
> c
  [,1] [,2] [,3]
a    1    2    3
b    4    5    6

vstack方法，可以实现多个数组垂直合并(即按行合并)

arrv=np.vstack((arr1,arr2,arr3))#可以实现多个array垂直合并
print(arrv)
[[1 2 3]
 [4 5 6]
 [1 2 3]
 [4 5 6]]

hstack方法，同样可以实现多个数组水平合并(即按列合并)

arrh=np.hstack((arr1,arr2,arr4))#可以实现多个array水平合并
print(arrh)
[1 2 3 4 5 6 1 2 3 4 5 6]

concatenate方法，实现一维数组合并
ps:这里的axis应该默认是等于0的（因为手动令axis=0，不会出错且结果一致），等于0是按行合并，但是这里是按列合并的结果。且如果令axis=1，即按列合并，应该是这个结果，但会出错，目前水平不足无法解释这个问题。记着concatenate方法合并一维数组时，得到的是一个长数组就可以了。

arr=np.concatenate((arr1,arr2,arr1))#一维数组合并不需要axis属性
print(arr)
[1 2 3 4 5 6 1 2 3]

concatenate方法，实现矩阵按行合并

arr=np.concatenate((arr3,arrv),axis=0)#合并矩阵的列数要相等，axis=0垂直合并(即按行合并)
print(arr)
[[1 2 3]
 [4 5 6]
 [1 2 3]
 [4 5 6]
 [1 2 3]
 [4 5 6]]

concatenate方法，实现矩阵按列合并

arr=np.concatenate((arr3,arr3),axis=1)#合并矩阵的行数要相等，axis=1水平合并(即按列合并)
print(arr)
[[1 2 3 1 2 3]
 [4 5 6 4 5 6]]

一维数组的转置（一维数组转置和没转置一样）

print(arr1)
print(arr1.T)#一维数组转置和原来一样
print(arr1.shape)
print(arr1.T.shape)
[1 2 3]

[1 2 3]

(3,)

(3,)

np.newaxis给数组增加维度（这里是在行方向增加维度）

arr1_1=arr1[np.newaxis,:]#首先一维的数组是没有行和列的，在行位置增加维度，本来没有行，增加以后变成1行3列,
print(arr1_1)
print(arr1_1.shape)
[[1 2 3]]

(1, 3)

np.newaxis给数组增加维度（这里是在列方向增加维度）

arr1_2=arr1[:,np.newaxis]#在列位置增加维度，本来没有列，增加以后变成3行1列,
print(arr1_2)
print(arr1_2.shape)
[[1]
 [2]
 [3]]
 
(3, 1)

atleast_2d方法将数据结构转化为2维，2维或更高维数据结构使用此方法不发生变化

arr1_3=np.atleast_2d(arr1)#将数据转化为2维
print(arr1_3)
print(arr1_3.shape)
print(arr1_3.T)
print(arr1_3.T.shape)
[[1 2 3]]

(1, 3)

[[1]
 [2]
 [3]]
 
(3, 1)

atleast_3d方法将数据结构转化为3维，3维或更高维数据结构使用此方法不发生变化
三维数组转置和没转置一样

arr1_3=np.atleast_3d(arr1)#将数据转化为3维
print(arr1_3)
print(arr1_3.shape)
print(arr1_3.T)
print(arr1_3.T.shape)
[[[1]
  [2]
  [3]]]
  
(1, 3, 1)

[[[1]
  [2]
  [3]]]
  
(1, 3, 1)

7.array的分割

生存array数组

arr1=np.arange(12).reshape((3,4))
print(arr1)
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]

注意：在R中1代表行，2代表列，而在python中0代表行，1代表列。
split方法，实现分割array，axis=1代表按列分割（仅可以实现等份的分割，即分割后的array维度必须一致）

arr2,arr3=np.split(arr1,2,axis=1)#按列分割，分成2份
print(arr2)
print(arr3)
[[0 1]
 [4 5]
 [8 9]]
 
[[ 2  3]
 [ 6  7]
 [10 11]]

split方法，实现分割array，axis=0代表按行分割（仅可以实现等份的分割，即分割后的array维度必须一致）

arr4,arr5,arr6=np.split(arr1,3,axis=0)#按行分割，分成3份
print(arr4)
print(arr5)
print(arr6)
[[0 1 2 3]]

[[4 5 6 7]]

[[ 8  9 10 11]]

array_split方法，可以实现不等分割array，axis=1代表按列分割。实现不等分割时，由于分割后的array维度可能不一致，先分割出来的array维度要大，但分割后的array尽量维度差不多。

arr7,arr8,arr9=np.array_split(arr1,3,axis=1)#按列分割，分成3份，不等分割
print(arr7)
print(arr8)
print(arr9)
[[0 1]
 [4 5]
 [8 9]]
 
[[ 2]
 [ 6]
 [10]]
 
[[ 3]
 [ 7]
 [11]]

注意，vsplit和vstack相对应，按行分割或合并array，
hsplit和hstack相对应，按列分割或合并array。
vsplit方法，实现按行分割array，（同split方法，仅可以实现等份的分割）

arrv1,arrv2,arrv3=np.vsplit(arr1,3)#按行分割
print(arrv1)
print(arrv2)
print(arrv3)
[[0 1 2 3]]

[[4 5 6 7]]

[[ 8  9 10 11]]

hsplit方法，实现按列分割array，（同split方法，仅可以实现等份的分割）

arrh1,arrh2=np.hsplit(arr1,2)#按列分割
print(arrh1)
print(arrh2)
[[0 1]
 [4 5]
 [8 9]]
 
[[ 2  3]
 [ 6  7]
 [10 11]]

8.numpy的浅拷贝和深拷贝

生存array数组

arr1=np.array([1,2,3])

直接相等(=)，即赋值操作，实现浅拷贝。
arr1,arr2共享一块内存空间（浅拷贝可以理解为给这块内存取了一个别名，还是同一个人只不过取了一个新名字）

arr2=arr1#浅拷贝

arr1和arr2实际上是一块内存（同一个人不同的名字），因此改变arr2，arr1也会发生改变

arr2[0]=5
print(arr1)
print(arr2)
[5 2 3]

[5 2 3]

copy方法，实现深拷贝
arr3又重新申请了一块内存空间,深拷贝（相当于又新生出一个人，对这个人发生改变并不会影响被拷贝的人）

arr3=arr1.copy()#深拷贝

深拷贝出的arr3和arr1没有任何关系（不同的人），arr3有自己的内存空间，因此改变arr3，arr1不会发生变化

arr3[0]=10
print(arr1)
print(arr3)
[5 2 3]

[10  2  3]

numpy基础到此结束！！！