本文深入讲解了numpy中的数组形变技巧，包括reshape进行形状转换、数组转置T和拉直操作ravel。此外，还介绍了数组拼接的np.concatenate、np.hstack和np.vstack，以及数组拆分的np.hsplit和np.vsplit。适合进一步理解numpy数组操作的高级用法。
本文是画学numpy系列文章之一
⭐️github：drawing_and_studying_numpy包含了可以运行的notebook文件以及本文绘制的所有插图。
也可以选择在百度的AI studio【画学numpy】上运行notebook代码
🌈画学numpy系列文章目录：
- 【画学numpy】介绍
- 【画学numpy】1.numpy数组初识
- 【画学numpy】2.numpy数组创建
- 【画学numpy】3.numpy数组操作
- 【画学numpy】4.numpy数组索引
- 【画学numpy】5.numpy数组运算
numpy数组操作
主要包含
数组形变
ndarray.reshape(): 可以改变数组的形状，一维变二维，二维变一维等等ndarray.T: 数组转置ndarray.ravel(): 拉直数组，多维数组变成一维
提示
ndarray表示某个数组对象，比如之前创建的a=np.array([0, 1, 2, 3])数组
a就是一个ndarray对象，它可以执行a.reshape(...)或a.T等操作
数组拼接
np.concatenate(): 数组拼接，可以选择特定的轴进行数组拼接np.hstack(): 数组横向拼接np.vstack(): 数组纵向拼接
数组拆分
np.hsplit(): 数组横向拆分np.vsplit(): 数组纵向拆分
import numpy as np
print(np.__version__)
1.22.3
数组形变
改变数组的形状，数组的.shape属性会发生变化
ndarray.reshape(): 改变数组的形状ndarray.T: 数组转置ndarray.ravel(): 拉直数组
ndarray.reshape()
📖官方文档
numpy.reshape(shape)
可以改变数组的形状，一维变二维，二维变一维等等。具体用法如下
一维数组变二维数组
a = np.array([0, 1, 2, 3])
a.reshape(2, 2)
array([[0, 1],
[2, 3]])
shape参数也可以用-1表示自动计算应该填的数值，最多只能有一个位置使用-1
a.reshape((-1, 2)) # 同a.reshape((2, 2))
array([[0, 1],
[2, 3]])
二维数组变一维数组
b = np.array([[0, 1],
[2, 3]])
b.reshape(4)
array([0, 1, 2, 3])
b.reshape(-1)
array([0, 1, 2, 3])
使用np.arange()加reshape()的方式可以比numpy数组初识一节中更方便地创建数组
快速创建二维数组
np.arange(12).reshape(3, 4)
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
也可以便捷地生成三维数组
np.arange(36).reshape(3, 3, 4)
array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]],
[[12, 13, 14, 15],
[16, 17, 18, 19],
[20, 21, 22, 23]],
[[24, 25, 26, 27],
[28, 29, 30, 31],
[32, 33, 34, 35]]])
ndarray.T
📖官方文档
数组转置，线性代数中经常使用。不过对一维数组没有效果，一般多用于二维数组
a = np.arange(4)
a
array([0, 1, 2, 3])
a.T
array([0, 1, 2, 3])
b = np.arange(6).reshape(2, 3)
b
array([[0, 1, 2],
[3, 4, 5]])
b.T
array([[0, 3],
[1, 4],
[2, 5]])
ndarray.ravel()
📖官方文档
numpy.ravel()
可以将多维数组拉平成一维数组
二维数组拉成一维数组
b = np.arange(6).reshape(2, 3)
b
array([[0, 1, 2],
[3, 4, 5]])
b.ravel()
array([0, 1, 2, 3, 4, 5])
三维数组拉成一维数组
c = np.arange(12).reshape(2, 2, 3)
c
array([[[ 0, 1, 2],
[ 3, 4, 5]],
[[ 6, 7, 8],
[ 9, 10, 11]]])
c.ravel()
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11])
数组拼接
将多个相同维度的数组拼接起来
np.concatenate(): 数组拼接，可以选择特定的轴进行数组拼接np.hstack(): 数组横向拼接np.vstack(): 数组纵向拼接
np.concatenate()
📖官方文档
numpy.concatenate((a1, a2, ...), axis=0, ...)
数组拼接
(a1, a2, ...): 要拼接的多个数组，用()或[]包起来再传给np.concatenateaxis: 沿哪个轴拼接，默认沿axis=0的方向拼接数组，一维数组只能沿axis=0的方向拼接，二维数组可以沿axis=0或axis=1的方向拼接，以此类推
回忆之前的右下里，依次递减原则
如果是二维数组：
- 最高维是
axis=1，方向向右。- 第二维是
axis=0，方向向下。如果是三维数组：
- 最高维是
axis=2，方向向右。- 第二维是
axis=1，方向向下。- 第三维是
axis=0，方向向里。
注意
np.concatenate、np.hstack()、np.vstack均只能在维度相同的数组之间进行拼接比如一维数组和一维数组拼接，二维数组和二维数组拼接
不能用一维数组和二维数组拼接。
拼接多个一维数组，默认是沿axis=0的方向拼接数组
一维数组的话就是向右拼接
a1 = np.array([0, 1])
a2 = np.array([2, 3, 4])
a3 = np.array([5])
np.concatenate((a1, a2, a3))
array([0, 1, 2, 3, 4, 5])
沿axis=0拼接二维数组，方向向下
b1 = np.arange(6).reshape(2, 3)
b2 = np.arange(6, 12).reshape(2, 3)
b1
array([[0, 1, 2],
[3, 4, 5]])
b2
array([[ 6, 7, 8],
[ 9, 10, 11]])
np.concatenate((b1, b2))
array([[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 9, 10, 11]])
沿axis=1拼接二维数组
np.concatenate((b1, b2), axis=1)
array([[ 0, 1, 2, 6, 7, 8],
[ 3, 4, 5, 9, 10, 11]])
沿axis=0拼接三维数组，方向向里
c1 = np.arange(8).reshape(2,2,2)
c2 = np.arange(8, 16).reshape(2,2,2)
c1
array([[[0, 1],
[2, 3]],
[[4, 5],
[6, 7]]])
c2
array([[[ 8, 9],
[10, 11]],
[[12, 13],
[14, 15]]])
np.concatenate((c1, c2))
array([[[ 0, 1],
[ 2, 3]],
[[ 4, 5],
[ 6, 7]],
[[ 8, 9],
[10, 11]],
[[12, 13],
[14, 15]]])
沿axis=1拼接三维数组，方向向下
np.concatenate((c1, c2), axis=1)
array([[[ 0, 1],
[ 2, 3],
[ 8, 9],
[10, 11]],
[[ 4, 5],
[ 6, 7],
[12, 13],
[14, 15]]])
沿axis=2拼接三维数组，方向向右
np.concatenate((c1, c2), axis=2)
array([[[ 0, 1, 8, 9],
[ 2, 3, 10, 11]],
[[ 4, 5, 12, 13],
[ 6, 7, 14, 15]]])
np.hstack()
📖官方文档
numpy.hstack((a1, a2, ...))
数组拼接
(a1, a2, ...): 要拼接的多个数组
其实这个跟np.concatenate()类似，只是该方法不能选择拼接哪个轴。
hstack的完整版就是: Stack arrays in sequence horizontally
翻译一下就是沿水平方向（横向）拼接数组。
注意
个人建议只在一、二维数组拼接的时候应用这个函数。
展现的效果和该方法字面意义一致。
一维数组横向拼接，与直接使用np.concatenate()的效果一致
a1 = np.array([0, 1])
a2 = np.array([2, 3, 4])
a3 = np.array([5])
np.hstack((a1, a2, a3))
array([0, 1, 2, 3, 4, 5])
二维数组拼接，效果与np.concatenate()沿axis=1拼接数组时一致
b1 = np.arange(6).reshape(2, 3)
b2 = np.arange(6, 12).reshape(2, 3)
np.hstack((b1, b2))
array([[ 0, 1, 2, 6, 7, 8],
[ 3, 4, 5, 9, 10, 11]])
三维数组拼接，效果与np.concatenate()沿axis=1拼接数组时一致
但是不符合函数名横向拼接的含义。
所以不建议np.hstack在三维数组使用
可以把该函数理解为：
- 始终沿
axis=1的方向拼接数组 - 如果是一维数组，就沿
axis=0的方向拼接
c1 = np.arange(8).reshape(2,2,2)
c2 = np.arange(8, 16).reshape(2,2,2)
np.hstack((c1, c2))
array([[[ 0, 1],
[ 2, 3],
[ 8, 9],
[10, 11]],
[[ 4, 5],
[ 6, 7],
[12, 13],
[14, 15]]])
np.vstack()
📖官方文档
numpy.vstack((a1, a2, ...))
数组拼接
(a1, a2, ...): 要拼接的多个数组
纵向拼接数组，分别以一维、二维、三维数组举例。
一维数组拼接
提示
np.vstack与np.concatenate和np.hstack的差异：
- 用
np.vstack拼接一维数组输出的结果是一个二维数组。而用np.concatenate或np.hstack拼接一维数组输出的结果还是一维数组np.vstack只能拼接长度相同的一维数组同样：建议只在一、二维数组上使用
np.vstack
a1 = np.array([0, 1])
a2 = np.array([2, 3])
a3 = np.array([4, 5])
np.vstack((a1, a2, a3))
array([[0, 1],
[2, 3],
[4, 5]])
二维数组拼接，输出与np.concatenate()沿axis=0拼接数组时一致
b1 = np.arange(6).reshape(2, 3)
b2 = np.arange(6, 12).reshape(2, 3)
np.vstack((b1, b2))
array([[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 9, 10, 11]])
三维数组拼接，输出与np.concatenate()沿axis=0拼接数组时一致
c1 = np.arange(8).reshape(2,2,2)
c2 = np.arange(8, 16).reshape(2,2,2)
np.vstack((c1, c2))
array([[[ 0, 1],
[ 2, 3]],
[[ 4, 5],
[ 6, 7]],
[[ 8, 9],
[10, 11]],
[[12, 13],
[14, 15]]])
小结
np.concatenate可以沿数组不同的方向进行拼接。np.hstack对于二维及以上的数组，总是沿着axis=1的方向进行拼接。np.vstack对于二维及以上的数组，总是沿着axis=0的方向进行拼接。np.vstack只能拼接长度相同的一维数组。np.vstack拼接一维数组后输出的结果是一个二维数组
数组拆分
数组拼接的反向操作
np.hsplit(): 数组横向拆分np.vsplit(): 数组纵向拆分
np.hsplit()
📖官方文档
numpy.hspilt(ary, indices_or_sections)
按列拆分数组（始终按axis=1的方向拆分数组，当数组是二维数组时，axis=1就表示列）
ary: 要拆分的数组indices_or_sections: 拆分方式，如果传入整数。就会均匀拆分，比如一个n行6列的数组，indices_or_sections=2时会把数组拆分成两个n行3列的新数组，indices_or_sectioons=3时会拆分成3个n行2列的新数组。
提示
也可以采用非均匀的拆分方式，基础教程暂不涉及。
拆分一维数组
a = np.arange(4)
a
array([0, 1, 2, 3])
np.hsplit(a, 2)
[array([0, 1]), array([2, 3])]
拆分二维数组
b = np.arange(12).reshape(3, 4)
b
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
b1, b2 = np.hsplit(b, 2)
b1
array([[0, 1],
[4, 5],
[8, 9]])
b2
array([[ 2, 3],
[ 6, 7],
[10, 11]])
np.vsplit()
📖官方文档
numpy.vspilt(ary, indices_or_sections)
按行拆分数组（始终按axis=0的方向拆分数组，当数组是二维数组时，axis=0就表示行）
ary: 要拆分的数组indices_or_sections: 拆分方式，如果传入整数。就会均匀拆分，比如一个6行m列的数组，indices_or_sections=2时会把数组拆分成两个3行m列的新数组，indices_or_sectioons=3时会拆分成3个2行m列的新数组。
注意
np.vsplit无法拆分一维数组
拆分二维数组
b = np.arange(12).reshape(6, 2)
b
array([[ 0, 1],
[ 2, 3],
[ 4, 5],
[ 6, 7],
[ 8, 9],
[10, 11]])
b1, b2 = np.vsplit(b, 2)
b1
array([[0, 1],
[2, 3],
[4, 5]])
b2
array([[ 6, 7],
[ 8, 9],
[10, 11]])
b1, b2, b3 = np.vsplit(b, 3)
b1
array([[0, 1],
[2, 3]])
b2
array([[4, 5],
[6, 7]])
b3
array([[ 8, 9],
[10, 11]])
小结
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
