Numpy的ndarray的合并与分割

# 导入numpy import numpy as np

ndarray的合并

定义要使用的数据源

a = np.array([1, 1, 1]) b = np.array([2, 2, 2]) print('a', a) print('b', b) <class 'numpy.ndarray'> a [1 1 1] b [2 2 2]

numpy.vstack()函数

语法：vstack(tup)，参数是一个元组，它可将元组中指定的数组进行合并

# 将a与b合并 c = np.vstack((a, b)) print('合并结果：\n', c) print('c的形状：\n', c.shape) 合并结果： [[1 1 1] [2 2 2]] c的形状： (2, 3)

从结果来看，两上一维数组合并后的结果是一个地维数组

numpy.hstack()函数

语法：hstack(tup)，参数是一个元组

与 vstack不同的是，vstack将数组进行纵向合并，而hstack将数组进行横向合并

vstack 是 vertical stack 的缩写

hstack 是 horizontal stack 的缩写

# 将a与b合并 c = np.hstack((a, b)) print('合并结果：\n', c) print('c的形状：\n', c.shape) 合并结果： [1 1 1 2 2 2] c的形状： (6,)

可以看出，两个一维数组对象横向合并后，还是一个一维的序列，不过，元素的个数是被合并数组元素个数之和

将a或b行转成列

a = a.T print(a) [1 1 1]

上面的方式是无法将a进行行转列的，原因是a是个一维数组，它根本就没有列，正确的方式是：

c = a.reshape((3, 1)) print(c) [[1] [1] [1]]

重新定义形状后，现在a是一个3行1列的矩阵，即一个二维数据

思考：a.reshape()是将a所指向的数组的形状改变了吗？再来查看a

print(a) [1 1 1]

实际上，a.reshape()只是创建了一个a的副本，然后将该副本的内存地址赋给了变量c，而a变量所指向的数组还是原来的对象

newaxis属性

还有另外一组方式可以改变a的形状，也是返回一个不置可否；axis表示“轴”的意思

# 在行上增加一个维度（增加一个轴） c = a[np.newaxis, :] print(c) print(c.shape) print('-'*15) # 在列上增加一个维度 c = a[:, np.newaxis] print(c) print(c.shape) [[1 1 1]] (1, 3) --------------- [[1] [1] [1]] (3, 1)

可以看出，返回的新对象的维度都已经发生了变化，在列方向上增加维度以后，将原先的一维数组变成了纵向的二维数组

_a = a[:, np.newaxis] _b = b[:, np.newaxis] c = np.hstack((_a, _b)) print(c) [[1 2] [1 2] [1 2]]

也可以将同一个对象进行合并

print(np.hstack((_a, _a, _b, _b))) [[1 1 2 2] [1 1 2 2] [1 1 2 2]]

concatenate()也可以将数组进行合并，通过axis可以指定合并的方向

# 横向合并 c = np.concatenate((_a, _a, _b, _b), axis=1) # 纵向合并 d = np.concatenate((_a,_b), axis=0) print(c) print('-'*10) print(d) [[1 1 2 2] [1 1 2 2] [1 1 2 2]] ---------- [[1] [1] [1] [2] [2] [2]]

ndarray的分割

定义操作的数据源

# 定义操作的数据源 a = np.arange(12).reshape((3,4)) print(a) [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]]

按列分割

print(a) print('-'*15) print(np.split(a, 2, axis=1)) [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] --------------- [array([[0, 1], [4, 5], [8, 9]]), array([[ 2, 3], [ 6, 7], [10, 11]])]

split第一个参数指要被分割的数组对象，第二个参数指将该对象分成几份，第三个参数指是从横向分割还是纵向分割，这里按列将其分成了两部分，类似于一个西瓜从上切下，切成了左右两半！按列分割，指定参数axis=1

按行分割

print(a) print('-'*15) print(np.split(a, 3, axis=0)) [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] --------------- [array([[0, 1, 2, 3]]), array([[4, 5, 6, 7]]), array([[ 8, 9, 10, 11]])]

split第一个参数指要被分割的数组对象，第二个参数指将该对象分成几份，第三个参数指是从横向分割还是纵向分割，这里按行将其分成了三部分，类似于一个西瓜肚子上横切两刀，切成了上中下三部分！按行分割，指定参数axis=0

如果要将三行的数据分成2份，是分报错的，如下

print(np.split(a, 2, axis=0)) --------------------------------------------------------------------------- TypeError Traceback (most recent call last) ~\Anaconda3\envs\tensorflow\lib\site-packages\numpy\lib\shape_base.py in split(ary, indices_or_sections, axis) 534 try: --> 535 len(indices_or_sections) 536 except TypeError: TypeError: object of type 'int' has no len() During handling of the above exception, another exception occurred: ValueError Traceback (most recent call last) <ipython-input-42-7bb000e8eddf> in <module>() ----> 1 print(np.split(a, 2, axis=0)) ~\Anaconda3\envs\tensorflow\lib\site-packages\numpy\lib\shape_base.py in split(ary, indices_or_sections, axis) 539 if N % sections: 540 raise ValueError( --> 541 'array split does not result in an equal division') 542 res = array_split(ary, indices_or_sections, axis) 543 return res ValueError: array split does not result in an equal division

如果要对数组进行不对等分割，类似于3行分成2份，则需要用到np.array_split()

print(a) print('-'*15) print(np.array_split(a, 2, axis=0)) [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] --------------- [array([[0, 1, 2, 3], [4, 5, 6, 7]]), array([[ 8, 9, 10, 11]])]

在不对等的分割中，并不会出现1.5行这样的情况，所以会分成2行和1行

vsplit()和hsplit()

# 纵向分割 print(np.vsplit(a, 3)) [array([[0, 1, 2, 3]]), array([[4, 5, 6, 7]]), array([[ 8, 9, 10, 11]])]

vsplit()中的v是指Vertical的意思，指纵向的，垂直的；按行分割就是纵向分割，因为数据被分成了上下部分，类似于西瓜横切

# 横向分割 print(np.hsplit(a, 2)) [array([[0, 1], [4, 5], [8, 9]]), array([[ 2, 3], [ 6, 7], [10, 11]])]

hsplit()中的h是Horizontal的意思，指横向；按列分割就是横向的意思，因为将数据分成了左右两半，就像西瓜纵切