不规则数组的构建

原来不规则数组是这样得到的
int[ ][ ]  rows=new int[3][ ];
分配了数组的脊柱(spine),但是未分配行的任何部分。因为这个数组的元素都是引用 ,所以他们会获得默认值null。现在我们用以下语句来分配第一行:
rows[0] =new int[4];
我们没有理由让其他行都具有相同的长度。如果分配:
rows[1]=new int[2];
rows[2]=new int[3];
就得到了一个不规则数组(ragged array)。
在不规则数组中,不同的行具有不同的长度。
                                      ----------摘自《数据结构与算法(Java版)》Peter Drake
### 如何处理形状不规则的 NumPy 数组拼接 当面对形状不规则的 NumPy 数组时,`np.concatenate()` 可能会抛出错误,因为该方法要求输入数组在除了指定轴之外的所有其他轴上的尺寸相同。对于形状不同的情况,可以考虑使用 `np.vstack()`, `np.hstack()`, 或者更灵活的方式如 `np.block()` 和列表推导来构建新的结构。 #### 使用 `np.block` `np.block()` 提供了一种更加直观的方式来组合不同大小和形状的子数组。它允许嵌套列表作为参数,并自动调整内部逻辑以适应各种布局需求[^2]: ```python import numpy as np arr1 = np.ones((2, 3)) arr2 = np.zeros((2, 2)) result = np.block([ [arr1], [arr2] ]) print(result) ``` 上述代码片段展示了如何通过创建一个二维列表并将各个部分放入其中实现垂直堆叠的效果;如果希望水平扩展,则只需改变列表结构即可。 #### 利用填充操作使数组达到一致维度后再拼接 另一种策略是在必要位置添加零或其他特定值使得所有待合并的数据具有相同的外形特征之后再执行常规意义上的连接动作。这可以通过广播机制或者显式的重塑过程完成: ```python def pad_to_shape(array, shape): padding = [(0, max(0, shp - s)) for s, shp in zip(array.shape, shape)] padded_array = np.pad(array, pad_width=padding, mode='constant', constant_values=0) return padded_array shape_target = (max([a.shape[0], b.shape[0]]), max([a.shape[1], b.shape[1]])) array_a_padded = pad_to_shape(a, shape_target) array_b_padded = pad_to_shape(b, shape_target) final_result = np.concatenate((array_a_padded, array_b_padded), axis=1) ``` 这种方法适用于那些虽然原始形式各异但是经过适当变换后能够形成统一模式的情况。 #### 动态选择合适的拼接方式 根据实际应用场景的不同,有时可能需要动态判断最适合当前数据集的操作类型并相应地调用相应的 API 函数来进行高效而准确的结果生成。例如,在某些情况下可以直接利用 `np.column_stack()` 来简化多列向量之间的联合工作流程。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值