Numpy 修炼之道 （7）—— 形状操作
Numpy 有一个强大之处在于可以很方便的修改生成的N维数组的形状。
更改数组形状
数组具有由沿着每个轴的元素数量给出的形状：
>>> a = np.floor(10*np.random.random((3,4)))
>>> a
array([[ 6., 7., 2., 0.],
[ 6., 2., 0., 9.],
[ 3., 9., 3., 8.]])
>>> a.shape
(3L, 4L)上面生成了一个 3x4 的数组，现在对它进行形状的改变。
>>> a.ravel() # 进行平铺
array([ 6., 7., 2., 0., 6., 2., 0., 9., 3., 9., 3., 8.])
>>> a.reshape(2, 6) # 重塑成 2x6
array([[ 6., 7., 2., 0., 6., 2.],
[ 0., 9., 3., 9., 3., 8.]])
>>> a.T # 转置
array([[ 6., 6., 3.],
[ 7., 2., 9.],
[ 2., 0., 3.],
[ 0., 9., 8.]])
>>> a.shape
(3L, 4L)无论是ravel、reshape、T，它们都不会更改原有的数组形状，都是返回一个新的数组。
使用 resize 方法可以直接修改数组本身：
>>> a
array([[ 6., 7., 2., 0.],
[ 6., 2., 0., 9.],
[ 3., 9., 3., 8.]])
>>> a.resize(2, 6)
>>> a
array([[ 6., 7., 2., 0., 6., 2.],
[ 0., 9., 3., 9., 3., 8.]])技巧：在使用 reshape 时，可以将其中的一个维度指定为 -1，Numpy 会自动计算出它的真实值
>>> a.reshape(3, -1)
array([[ 6., 7., 2., 0.],
[ 6., 2., 0., 9.],
[ 3., 9., 3., 8.]])将不同数组堆叠在一起
除了可以对单个数组的形状进行转换外，还可以把多个数据进行堆叠。
>>> a = np.floor(10*np.random.random((2,2)))
>>> a
array([[ 9., 9.],
[ 8., 1.]])
>>> b = np.floor(10*np.random.random((2,2)))
>>> b
array([[ 5., 2.],
[ 9., 5.]])
>>> np.vstack((a,b))
array([[ 9., 9.],
[ 8., 1.],
[ 5., 2.],
[ 9., 5.]])
>>> np.hstack((a,b))
array([[ 9., 9., 5., 2.],
[ 8., 1., 9., 5.]])对于2D数组来说，使用hstack和column_stack 效果一样，对于1D数组来说，column_stack 会将1D数组作为列堆叠到2D数组中：
>>> from numpy import newaxis
>>> np.column_stack((a,b)) # with 2D arrays
array([[ 4., 3.],
[ 2., 8.]])
>>> a = np.array([4.,2.])
>>> b = np.array([3.,8.])
>>> np.column_stack((a,b))
array([[ 4., 3.],
[ 2., 8.]])
>>> np.hstack((a,b)) # 一维数组的情况下，column_stack和hstack结果不一样
array([ 4., 2., 3., 8.])
>>> a[:,newaxis] # 将一维数组转为二维数组
array([[ 4.],
[ 2.]])
>>> np.column_stack((a[:,newaxis],b[:,newaxis]))
array([[ 4., 3.],
[ 2., 8.]])
>>> np.hstack((a[:,newaxis],b[:,newaxis])) # 二维数组的情况下，column_stack和hstack结果一样
array([[ 4., 3.],
[ 2., 8.]])另一方面，对于任何输入数组，函数row_stack等效于vstack。一般来说，对于具有两个以上维度的数组，hstack沿第二轴堆叠，vstack沿第一轴堆叠，concatenate允许一个可选参数，给出串接应该发生的轴。
将一个数组分成几个较小的数组
既然可以将多个数组进行对堆叠，自然也可以将一个数组拆分成多个小数组。
使用hsplit，可以沿其水平轴拆分数组，通过指定要返回的均匀划分的数组数量，或通过指定要在其后进行划分的列：
>>> from pprint import pprint
>>> a = np.floor(10*np.random.random((2,12)))
>>> a
array([[ 9., 3., 4., 1., 0., 0., 6., 7., 3., 4., 1., 1.],
[ 1., 2., 8., 1., 0., 2., 1., 4., 3., 8., 1., 1.]])
>>> pprint(np.hsplit(a,3)) # 水平切成3等份
[array([[ 9., 3., 4., 1.],
[ 1., 2., 8., 1.]]),
array([[ 0., 0., 6., 7.],
[ 0., 2., 1., 4.]]),
array([[ 3., 4., 1., 1.],
[ 3., 8., 1., 1.]])]vsplit沿垂直轴分割，array_split允许指定沿哪个轴分割。
作者：无邪，个人博客：脑洞大开，专注于机器学习研究。
本文参与 腾讯云自媒体分享计划，分享自微信公众号。
原始发表：2018-03-07，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录