numpy形状操作（数组变形&数组转置&数组堆叠&split数组拆分）（4）

---

前言

python学习笔记—Numpy day7（仅供学习使用）

---

一、数组变形

reshape将原来的3行4列数组转换成了4行3列数组，如下图所示：
其次display比print输出会更加美观。

import numpy as np 
arr1 = np.random.randint(0,10,size = (3,4,5)) 
arr2 = arr1.reshape(12,5) # 形状改变，返回新数组 
arr3 = arr1.reshape(-1,5)# 自动“整形”，自动计算
#-1表示最后算，相当于x*5 = 4*5*3 计算出x=12

运行：

二、数组转置

下图中arr2为3个六行四列的数组，即三维数组，通过transpose通过axes用索引将数组中元素变成4个3行6列数组。具体转变办法，可以这样理解他0 =3 1= 6 2=4 然后axes中使用的是012的值，即可转变成功。

import numpy as np 
arr1 = np.random.randint(0,10,size = (3,5)) # shape(3,5) 
arr1.T # shape(5,3) 转置 两个效果是不相同的，shape转换相当于接龙，不是完全意义上的转置
arr2 = np.random.randint(0,10,size = (3,6,4)) # shape(3,6,4) 
np.transpose(arr2,axes=(2,0,1)) # transpose改变数组维度 shape(4,3,6)

运行：

1.

2.

三、数组堆叠

将数组堆叠到一起。
#concatenate中可以放很多个arr，列表就是个容器，可以装很多东西，此时在arr2后再放置arr1 or arr2都是可以的都可以合并在一起。
#concatenate 在后面不追加axis时默认是进行行合并，效果等同于axis=0.但是不追加axis时，当数据出现不能对其时如：一个三行五列的数组和一个三行四裂的数组进行合并时，就会报错。此时可用axis=1进行解决。因为他们的列的元素都是三个。
#axis默认值为0.代表行，axis=1代表列
axis=-1时表示倒着数

import numpy as np 
arr1 = np.array([[1,2,3]]) 
arr2 = np.array([[4,5,6]]) 
np.concatenate([arr1,arr2],axis = 0) 
# 串联合并shape(2,3) axis = 0表示第一维串联 输出为 
# array([[1, 2, 3], 
#        [4, 5, 6]]) 

np.concatenate([arr1,arr2],axis = 1) 
# shape(1,6) axis = 1表示第二维串联 输出为：array([[1, 2, 3, 4, 5, 6]]) 
np.hstack((arr1,arr2)) # 水平方向堆叠 输出为：array([[1, 2, 3, 4, 5, 6]]) 
np.vstack((arr1,arr2)) # 竖直方向堆叠，输出为： 
# array([[1, 2, 3], 
#        [4, 5, 6]])

四、split数组拆分

import numpy as np 
arr = np.random.randint(0,10,size = (6,5)) # shape(6,5) 
np.split(arr,indices_or_sections=2,axis = 0) # 在第一维（6）平均分成两份 
np.split(arr,indices_or_sections=[2,3],axis = 1) # 在第二维（5）以索引2，3为断点分割成 3份
np.vsplit(arr,indices_or_sections=3) # 在竖直方向平均分割成3份 
np.hsplit(arr,indices_or_sections=[1,4]) # 在水平方向，以索引1，4为断点分割成3份

#拆分中axis和合并的axis效果一样，0表示行，1表示列
其中spilt里只放数组和一个数字时，表示的是将数组平均分成几份。（就是数字的值）
下图中，nd【1，4，5】是指在第二行的上面切一刀，第五行的上面切一刀，第六行的上面切一刀。数组索引145对应行数为256.

五、

六、

七、

八、

九、

十、

---

总结