NumPy 数组的组合和拆分操作

NumPy数组操作

一、数组的组合

1. numpy.concatenate((a1, a2, ...), axis=0, out=None, dtype=None, casting="same_kind")

参数：

• a1, a2, ...：sequence of array_like，除了将被对应的轴之外，数组必须是相同的形状；
• axis：int, optional，将被组合的轴，默认为0，如果为None，将被展开为一维数组；
• out：ndarray, optional，如果给定，将存放结果，尺寸必须匹配；
• dtype：str or dtype，给定输出的数据类型，不能和参数 out 一起出现；
• casting：{‘no’, ‘equiv’, ‘safe’, ‘same_kind’, ‘unsafe’}, optional，控制可能发生的数据转换类型。默认为 ‘same_kind’；

结果：

• res：组合后的数组；

# 数组的简单连接
>>> a = np.array([[1, 2], [3, 4]])
>>> b = np.array([[5, 6]])
>>> print(a, b)
[[1 2]
 [3 4]] [[5 6]]

>>> np.concatenate((a, b), axis=0)
array([[1, 2],
       [3, 4],
       [5, 6]])
>>>  np.concatenate((a, b.T), axis=1)
array([[1, 2, 5],
       [3, 4, 6]])
>>> np.concatenate((a, b), axis=None)
array([1, 2, 3, 4, 5, 6])

2. numpy.stack(arrays, axis=0, out=None)

参数：

• arrays：sequence of array_like，数组必须是相同的形状；
• axis：int, optional，数组组合的轴；
• out：ndarray, optional，如果给定，将存放结果，尺寸必须匹配；

结果：

• stacked：ndarray，使用新轴连接数组；

>>> arrays = [np.random.randn(3, 4) for _ in range(10)]
>>> np.stack(arrays, axis=0).shape
(10, 3, 4)
>>> np.stack(arrays, axis=1).shape
(3, 10, 4)

>>> a = np.array([1, 2, 3])
>>> b = np.array([4, 5, 6])
>>> np.stack((a, b))
array([[1, 2, 3],
        [4, 5, 6]])
>>> np.stack((a, b), axis=1)
array([[1, 4],
        [2, 5],
        [3, 6]])
>>> np.stack((a, b), axis=-1)
array([[1, 4],
        [2, 5],
        [3, 6]])

3. numpy.column_stack(tup)

参数：

• tup：sequence of 1-D or 2-D arrays，数组不信有相同尺寸的第一维；

结果：

• stacked：2-D array，将给定的数组按列连接为二维数组；

>>> a = np.array([(1,2,3),(1,2,3)])
>>> b = np.array((3,4))
>>> np.column_stack((a,b))
array([[1, 2, 3, 3],
       [1, 2, 3, 4]])

4. numpy.dstack(tup)

参数：

• tup：sequence of arrays，数组除第三维外，形状相同；

结果：

• stacked：ndarray，将给定的数组连接为三维数组；

>>> a = np.array((1,2,3))
>>> b = np.array((2,3,4))
>>> np.dstack((a,b))
array([[[1, 2],
        [2, 3],
        [3, 4]]])

5. numpy.hstack(tup)

参数：

• tup：sequence of arrays，数组除第二维外，形状相同；

结果：

• stacked：ndarray，水平（按列）顺序堆叠数组，将给定的数组连接的数组；

>>> a = np.array((1,2,3))
>>> b = np.array((4,5,6))
>>> np.hstack((a,b))
array([1, 2, 3, 4, 5, 6])

>>> a = np.array([[1],[2],[3]])
>>> b = np.array([[4],[5],[6]])
>>> np.hstack((a,b))
array([[1, 4],
       [2, 5],
       [3, 6]])

6. numpy.vstack(tup)

参数：

• tup：sequence of arrays，数组除第一维外，形状相同；

结果：

• stacked：ndarray，垂直（行）顺序堆叠数组，将给定的数组连接的数组；

>>> a = np.array((1,2,3))
>>> b = np.array((4,5,6))
>>> np.hstack((a,b))
array([[1, 2, 3],
       [4, 5, 6]])

>>> a = np.array([[1],[2],[3]])
>>> b = np.array([[4],[5],[6]])
>>> np.hstack((a,b))
array([[1],
       [2],
       [3],
       [4],
       [5],
       [6]])

7. numpy.block(arrays)

参数：

• arrays：nested list of array_like or scalars，如果传递了单个ndarray或scalar（深度为0的嵌套列表），则返回时不会修改（也不会复制），元素形状必须沿适当的轴匹配（无需广播），但将根据需要在形状前面加上前导1，以使尺寸匹配；

结果：

• block_array：ndarray，块组装的数组；

# 块数组
>>> A = np.eye(2) * 2
>>> B = np.eye(3) * 3
>>> np.block([
	    [A,               np.zeros((2, 3))],
	    [np.ones((3, 2)), B               ]
	])
array([[2., 0., 0., 0., 0.],
       [0., 2., 0., 0., 0.],
       [1., 1., 3., 0., 0.],
       [1., 1., 0., 3., 0.],
       [1., 1., 0., 0., 3.]])

二、数组的拆分

1. numpy.split(ary, indices_or_sections, axis=0)

参数：

• ary：ndarray，被划分的数组；
• indices_or_sections：int or 1-D array，如果是 int，将被划分为N个对应维度等长的数组，如果是 1-D array，表示数组的拆分位置；
• axis：int, optional，拆分的维度，默认0；

返回：

• sub-arrays：list of ndarrays，数组 ary 的子数组视图的列表；

>>> x = np.arange(20.0).reshape(10, 2)
>>> np.split(x, 5)
[array([[0., 1.],
        [2., 3.]]),
 array([[4., 5.],
        [6., 7.]]),
 array([[ 8.,  9.],
        [10., 11.]]),
 array([[12., 13.],
        [14., 15.]]),
 array([[16., 17.],
        [18., 19.]])]

>>> np.split(x, [2, 5, 7])
[array([[0., 1.],
        [2., 3.]]),
 array([[4., 5.],
        [6., 7.],
        [8., 9.]]),
 array([[10., 11.],
        [12., 13.]]),
 array([[14., 15.],
        [16., 17.],
        [18., 19.]])]

2. numpy.array_split(ary, indices_or_sections, axis=0)

几乎等同于 numpy.split。