快捷導(dǎo)航

Numpy數(shù)組的組合與分割實現(xiàn)的方法

更新時間：2021年08月16日 11:27:11 作者：zeroy610

本文主要介紹了Numpy數(shù)組的組合與分割實現(xiàn)的方法，文中通過示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下

如果數(shù)組的元素是數(shù)組，即數(shù)組嵌套數(shù)組，我們就稱其為多維數(shù)組。幾層嵌套就稱幾維。比如形狀為（a，b）的二維數(shù)組就可以看作兩個一維數(shù)組，第一個一維數(shù)組包含a個一維數(shù)組，第二個一維數(shù)組包含b個數(shù)據(jù)。

每一個一維線性數(shù)組稱為一個軸。二維數(shù)組的第一個軸（axis=0）就是以數(shù)組為元素的數(shù)組，第二個軸（axis=1）就是數(shù)組中的數(shù)組。因此第一個軸的方向就是沿著行的方向（垂直方向），第二個軸的方向沿著列的方向（水平方向）。

我們從嵌套數(shù)組的角度來看，a[0]，a[1]，a[2]，a[3]……分別是取二維數(shù)組的第一行，二行，三行，四行……這正是先沿著第一個軸取元素（元素為行）。a[0][0]，a[0][1]……則是（沿著第二個軸）取第一行的第一個元素，第二個元素……

也就是說，數(shù)組的軸從最外層數(shù)起。

三維數(shù)組我們應(yīng)該怎么理解呢？我們可以把它看作二維數(shù)組的堆疊，即一個立方體。它的第一個軸（axis=0）就是以二維數(shù)組為元素的數(shù)組，它的方向沿著二維數(shù)組堆疊的方向，也就是立方體的高。第二個軸自然就是立方體的寬，第三個軸就是立方體的長。舉例來說，一個形狀為（a，b，c）的三維數(shù)組就是a個形狀為（b，c）的二維數(shù)組嵌套在一起。

a=np.arange(24).reshape(2,3,4)#建立一個維度為3，形狀為（2，3，4）的三維數(shù)組
print(a)#打印
print(a.sum(axis=0))#沿第一個軸求和
print(a.sum(axis=1))#沿第二個軸求和
print(a.sum(axis=2))#沿第三個軸求和

'''
a的形狀如下：
[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]

 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]]
 
 沿第一個軸求和：
 [[12 14 16 18]
 [20 22 24 26]
 [28 30 32 34]]
 
 沿第二個軸求和：
 [[12 15 18 21]
 [48 51 54 57]]
 
 沿第三個軸求和：
[[ 6 22 38]
 [54 70 86]]
'''

從這個例子可以看出，沿第一個軸求和，就是從上方把這個立方體“壓扁”，第二個軸就是沿著寬，第三個軸就是沿著長。類似投影。

我們終于明白了，reshape函數(shù)的參數(shù)順序不是我們想當然認為的長，寬；長，寬，高；因為你無法解釋為什么三維數(shù)組變形后的形狀與你所想的大相徑庭。它的順序是軸的順序（第一條軸，第二條軸，第三條軸……），也就是沿這條軸有多少個元素。軸的概念很重要，在很多函數(shù)中都有體現(xiàn)。

再直觀一點說，參數(shù)順序應(yīng)該是高，寬（行方向），長（列方向）。

所以，數(shù)組的維度就很好理解了，就是軸的數(shù)量。我們在理解多維數(shù)組的時候，不要先入為主地認為多維數(shù)組的元素會更多；多維數(shù)組只是它嵌套的層數(shù)多而已。高維數(shù)組也可能不含元素。

接下來我們介紹數(shù)組的組合。

數(shù)組的組合

數(shù)組的組合有水平組合，垂直組合，深度組合等方式。實現(xiàn)這些組合的函數(shù)主要有vstack，dstack，hstack，column_stack，row_stack，concatenate等。

因為我們最常用的數(shù)組也不過三維，所以用水平，垂直這樣的字眼比較形象；但我們要明白，本質(zhì)上是沿軸進行的操作。

數(shù)組組合通常不會改變數(shù)組的維度。

1.水平組合

hstack函數(shù)與concatenate函數(shù)

1.1hstack函數(shù)：水平連接多個數(shù)組。參數(shù)只有一個：以數(shù)組為元素的序列。

1.2concatenate函數(shù)：沿著現(xiàn)有的軸連接數(shù)組序列。

函數(shù)格式：concatenate((a1, a2, ...), axis=0, out=None)

參數(shù)說明：a1, a2, ...：為以數(shù)組為元素的類數(shù)組序列。其中數(shù)組形狀必須相同。

axis=0：數(shù)組將沿著這個軸組合，如果坐標軸為None，數(shù)組在使用前被平鋪。int型數(shù)據(jù)，可選參數(shù)，默認為零。

2.垂直組合

vstack函數(shù)與concatenate函數(shù)

2.1vstack函數(shù)：垂直連接多個數(shù)組。參數(shù)如上。

2.2concatenate函數(shù)：改一下軸參數(shù)就好。

水平組合和垂直組合是比較直觀的說法，因為我們用的最多的數(shù)組就是一維和二維；實際上，它們分別是沿著第二條軸（水平），第一條軸（垂直）進行組合。

a=np.array([1])
a=a.reshape(1,1,1,1,1)#只有一個元素的五維數(shù)組
b=np.array([1])
b=b.reshape(1,1,1,1,1)#與a完全相同
c=np.hstack((a,b))#水平組合
d=np.vstack((a,b))#垂直組合
print(c)
print(d)
print(c.shape)
print(d.shape)

'''
水平組合
[[[[[1]]]


  [[[1]]]]]
  
垂直組合  
[[[[[1]]]]

 [[[[1]]]]]
 
c的形狀
(1, 2, 1, 1, 1) 

d的形狀
(2, 1, 1, 1, 1)
'''

3.行組合和列組合

3.1row_stack函數(shù)：行組合

將一維數(shù)組按行方向組合起來，對于二維數(shù)組完全等同于vstack。對于多維數(shù)組，實際上就是沿第一個軸進行組合。

3.2colum_stack函數(shù)：列組合

將一維數(shù)組按列方向組合起來，對于二維數(shù)組完全等同于hstack。對于多維數(shù)組，實際上就是沿第二個軸進行組合。

a=np.array([0,1,2])
b=np.array([1,2,3])
c=np.row_stack((a,b))
d=np.column_stack((a,b))
print(c)
print(d)

'''
行組合
[[0 1 2]
 [1 2 3]]

列組合
[[0 1]
 [1 2]
 [2 3]]

'''

a=np.array([0,1,2]).reshape(1,1,1,1,3)
b=np.array([1,2,3]).reshape(1,1,1,1,3)
c=np.row_stack((a,b))
d=np.column_stack((a,b))
print(c)
print(d)
print(c.shape)
print(d.shape)

'''
行組合
[[[[[0 1 2]]]]

 [[[[1 2 3]]]]]
[[[[[0 1 2]]]

列組合
  [[[1 2 3]]]]]
  
c形狀
(2, 1, 1, 1, 3)
d形狀
(1, 2, 1, 1, 3)

'''

4.深度組合

沿著第三個軸進行組合。

a=np.array([0,1,2])
b=np.array([1,2,3])
c=np.dstack((a,b))#深度組合
print(c)
print(a.shape)
print(c.shape)

'''
[[[0 1]
  [1 2]
  [2 3]]]
(3,)
(1, 3, 2)
'''

a=np.array([0,1,2]).reshape(1,1,1,3)
b=np.array([1,2,3]).reshape(1,1,1,3)
c=np.dstack((a,b))
print(c.shape)

'''
(1, 1, 2, 3)
'''

當數(shù)組維度比較小的時候，比如一維和二維，如果組合時沒有第二和第三參數(shù)，函數(shù)會自動為其在形狀左側(cè)補1，也就是拓展一層。這和之前說過的廣播機制十分類似。

數(shù)組的分割

數(shù)組可以進行水平，垂直等方式進行分割。相關(guān)函數(shù)：hsplit，vsplit，dsplit，split。

我們可以將數(shù)組分割成相同大?。ㄐ螤睿┑淖訑?shù)組，也可以指定分割的位置。

1.水平分割

hsplit函數(shù)和split函數(shù)。

沿水平方向，就是沿列方向，沿第二條軸（axis=1）方向。

1.1hsplit函數(shù)

格式：hsplit(ary, indices_or_sections)

第一個參數(shù)是數(shù)組；第二個參數(shù)是一個整數(shù)或列表，如果不指定，就會分割成相同大小的子數(shù)組。

a=np.arange(16).reshape(4,4)
pp.pprint(a)
pp.pprint(np.hsplit(a,2))#平均分割成兩部分
pp.pprint(np.hsplit(a,[2,3]))#沿第二，三列，分割成三部分


'''
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15]])
       
分割成兩部分
[array([[ 0,  1],
       [ 4,  5],
       [ 8,  9],
       [12, 13]]),
 array([[ 2,  3],
       [ 6,  7],
       [10, 11],
       [14, 15]])]
       
分割成三部分
[array([[ 0,  1],
       [ 4,  5],
       [ 8,  9],
       [12, 13]]),
 array([[ 2],
       [ 6],
       [10],
       [14]]),
 array([[ 3],
       [ 7],
       [11],
       [15]])]
'''

1.2split函數(shù)

函數(shù)格式：split(ary, indices_or_sections, axis=0)

第一個參數(shù)：數(shù)組。

第二個參數(shù)：整數(shù)或列表，可選參數(shù)。

第三個參數(shù)：軸，可選參數(shù)。

a=np.arange(24).reshape(4,6)
print(a)
pp.pprint(np.split(a,[2],axis=0))

'''

[[ 0  1  2  3  4  5]
 [ 6  7  8  9 10 11]
 [12 13 14 15 16 17]
 [18 19 20 21 22 23]]
[array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11]]),
 array([[12, 13, 14, 15, 16, 17],
       [18, 19, 20, 21, 22, 23]])]

'''

上面這個例子里，我們選擇了第一條軸，也就是列方向。然后找到第二行一分為二。

a=np.arange(24).reshape(2,3,4)
print(a)
pp.pprint(np.split(a,[1],axis=0))#沿第一條軸，高
pp.pprint(np.split(a,[1],axis=1))#沿第二條軸，寬
pp.pprint(np.split(a,[1],axis=2))#沿第三條軸，長

'''

[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]

 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]]
  
[array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]]]),
 array([[[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]]])]
        
        
[array([[[ 0,  1,  2,  3]],

       [[12, 13, 14, 15]]]),
 array([[[ 4,  5,  6,  7],
        [ 8,  9, 10, 11]],

       [[16, 17, 18, 19],
        [20, 21, 22, 23]]])]
        
        
[array([[[ 0],
        [ 4],
        [ 8]],

       [[12],
        [16],
        [20]]]),
 array([[[ 1,  2,  3],
        [ 5,  6,  7],
        [ 9, 10, 11]],

       [[13, 14, 15],
        [17, 18, 19],
        [21, 22, 23]]])]
'''

上面是一個三維數(shù)組切割的例子。

2.垂直分割

vsplit函數(shù)和split函數(shù)

沿垂直方向，就是沿行方向，沿第一條軸（axis=0）方向。

split函數(shù)如上，改一條軸參數(shù)即可。

3.深度分割

dsplit函數(shù)

主要用于三維數(shù)組，其實就是沿第三條軸切割，就好比從上方切蛋糕一樣。

a=np.arange(24).reshape(2,3,4)
b=np.dsplit(a,4)#把這個蛋糕從上切成四份
pp.pprint(b)

'''
[array([[[ 0],
        [ 4],
        [ 8]],

       [[12],
        [16],
        [20]]]),
 array([[[ 1],
        [ 5],
        [ 9]],

       [[13],
        [17],
        [21]]]),
 array([[[ 2],
        [ 6],
        [10]],

       [[14],
        [18],
        [22]]]),
 array([[[ 3],
        [ 7],
        [11]],

       [[15],
        [19],
        [23]]])]

'''

到此這篇關(guān)于Numpy數(shù)組的組合與分割實現(xiàn)的方法的文章就介紹到這了,更多相關(guān)Numpy數(shù)組組合與分割內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: