数组的组合主要有:
1.水平组合:np.hstack(arr1,arr2) 或 concatenate(arr1,arr2,axis=1)
2.垂直组合:np.vstack(arr1,arr2) 或 concatenate(arr1,arr2,axis=0)
3.深度组合:np.dstack(arr1,arr2)
4.列组合:np.column_stack(arr1,arr2)
5.行组合:np.row_stack(arr1,arr2)
数组的分割主要有:
1.水平分割:np.split(arr,n,axis=1) 或 np.hsplit(arr,n)
2.垂直分割:np.split(arr,n,axis=0) 或 np.vsplit(arr,n)
3.深度分割:np.dsplit(arr,n)
接下来一一举例
一、数组的组合
1.水平组合
语法:
np.hstack(arr1,arr2)
concatenate(arr1,arr2,axis=1)
水平方向上直接拼接起来
# 准备两个数组 m=np.arange(9).reshape(3,3) doubleM=m*2
m:
doubleM:
#hstack() np.hstack((m,doubleM)) # concatenate() np.concatenate((m,doubleM),axis=1)
2.垂直组合
语法:
np.vstack(arr1,arr2)
concatenate(arr1,arr2,axis=0)
将第二个数组拼接在第一个数组的垂直方向上。
还是用刚刚的m 和doubleM这两个数组。
# vstack() np.vstack((m,doubleM)) # concatenate() np.concatenate((m,doubleM),axis=0)
3.深度组合
语法:np.dstack(arr1,arr2)
就是将一系列数组沿着纵轴(深度)方向进行层叠组合。
还是用刚刚的m和doubleM两个数组。
np.dstack((m,doubleM))
注意:
(1)新的数据的维度是原数据行列以及个数相关。
(2)维度不同的两个数组不能进行组合
4.列组合
语法:np.column_stack(arr1,arr2)
column_stack函数对于一维数组是深度组合;
对多维数组就是与hstack的效果一样,直接水平方向拼接起来
(1) 两个一维数组进行列组合
m1=np.arange(3) print(m1) np.column_stack((m1,m1*2))
[0 1 2] array([[0, 0], [1, 2], [2, 4]])
(2)一维数组与多维数组进行组合
将一维数组的每一个数字分配到多维数组的每一列中去,因此,一维数组的数字个数一定要与多维数组的行相同才能够进行组合。
m1:[0 1 2]
m:
np.column_stack((m1,m))
(3)多维数组与多维数组进行列组合
可以看出来是直接进行水平方向的组合的
np.column_stack((m,doubleM))
5.行组合
语法:np.row_stack(arr1,arr2)
对于一维数组来说,无论几个一维数组,直接叠起来组成二维数组;
对于多维数组来说,就是垂直方向上的组合(vstack)
(1)两个一维数组进行行组合
np.row_stack((m,doubleM))
(2)多维数组进行行组合
注意一定要相同维度的多维数组才能进行行组合!!!
二、数组的分割
1.水平分割
是在水平方向上进行分割,所以是竖着划一刀的。
语法:
np.split(arr,n,axis=1) np.hsplit() arr1=np.arange(16).reshape(4,4) print(arr1) np.split(arr1,2,axis=1) # np.hsplit(arr1,2)
注意:分割的分数要可以整出的才行
2.垂直分割
沿着垂直方向上进行分割,因此是分出来是行
语法:
np.split(arr,n,axis=0) np.vsplit(arr) arr=np.arange(9).reshape(3,3) arr
np.split(arr,3,axis=0)
np.vsplit(arr,3)
3.深度分割
注意:深度分割只能分割3个维度以上的
语法:语法:dsplit(arr,n)
arr1=np.arange(8).reshape(2,2,2)
arr1
np.dsplit(arr1,2)
以上这篇python numpy--数组的组合和分割实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持三水点靠木。
python numpy--数组的组合和分割实例
- Author -
Z_mirror声明:登载此文出于传递更多信息之目的,并不意味着赞同其观点或证实其描述。
Reply on: @reply_date@
@reply_contents@