多维数组操作_多维数组每3个一行放入dataframe-优快云博客

本文链接：https://blog.youkuaiyun.com/weixin_63606226/article/details/124329250

本文介绍了如何使用NumPy对多维数组进行操作，包括形状转换、转置、数组连接以及常用的统计函数，如求中值、绝对值和累加和。通过实例展示了`reshape`、`T`、`concatenate`等函数的用法，帮助读者理解数组处理的基本技巧。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

# 多维数组操作
a = np.arange(6)
a.shape = 2,3   # 改变原数组
'''array([[0, 1, 2],
          [3, 4, 5]])'''
# 数组形状 与之对应的方法是reshape，但他不会修改原来数组的值，而是返回一个新数组
a.reshape(2,3)  #不改变原数组返回新数组
#转置
a = a.reshape(2,3)
a.T
a.traspose() #以上两种方法都不会改变原数组，返回一个新数组
# 数组连接
# np.concatenate((a0,a1,a2,a3),axis=0)  注意这些数组要用小括号，除了给定的轴外，这些数组的其他轴的长度必须是一样的
a = np.reshape(np.arange(6))
b = a.copy()
np.concatenate((a,b))
'''array([[0, 1, 2],
          [3, 4, 5],
          [0, 1, 2],
          [3, 4, 5]])'''
np.concatenate((a,b),axis=1)
'''array([[0, 1, 2, 0, 1, 2],
          [3, 4, 5, 3, 4, 5]])'''
# 注意到这里a,b形状相同，还可以将它们连接成三维的数组，但是concatenate不能提供这样的功能，不过可以这样
np.array((a,b))
'''np.array((a,b))
array([[[0, 1, 2],
        [3, 4, 5]],
        
        [[0, 1, 2],
        [3, 4, 5]]])    可以将三维看成以二维为元素'''
# 事实上，numpy提供了分别对应这三种情况的函数
np.vstack((a,b))  # 竖着连接
np.hstack((a,b))  # 横着
np.dstack((a,b))  # 三维
# numpy内置函数非常多，不需要死记，懂得查资料
np.median(a)  # 求中值
np.abs(a)  # 绝对值
np.cumsum() # 累加和，每个元素表示原数组前几个元素之和