目錄
- 數組的組合
- 1.水平組合
- 2.垂直組合
- 3.行組合和列組合
- 4.深度組合
- 數組的分割
在介紹數組的組合和分割前，我們需要先了解數組的維（ndim）和軸（axis）概念。
如果數組的元素是數組，即數組嵌套數組，我們就稱其為多維數組。幾層嵌套就稱幾維。比如形狀為（a，b）的二維數組就可以看作兩個一維數組，第一個一維數組包含a個一維數組，第二個一維數組包含b個數據。
每一個一維線性數組稱為一個軸。二維數組的第一個軸（axis=0）就是以數組為元素的數組，第二個軸（axis=1）就是數組中的數組。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）。
我們從嵌套數組的角度來看，a[0]，a[1]，a[2]，a[3]……分別是取二維數組的第一行，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，數組的軸從最外層數起。
三維數組我們應該怎么理解呢？我們可以把它看作二維數組的堆疊，即一個立方體。它的第一個軸（axis=0）就是以二維數組為元素的數組，它的方向沿著二維數組堆疊的方向，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）的三維數組就是a個形狀為（b，c）的二維數組嵌套在一起。
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函數的參數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，在很多函數中都有體現。
再直觀一點說，參數順序應該是高，寬（行方向），長（列方向）。
所以，數組的維度就很好理解了，就是軸的數量。我們在理解多維數組的時候，不要先入為主地認為多維數組的元素會更多；多維數組只是它嵌套的層數多而已。高維數組也可能不含元素。
接下來我們介紹數組的組合。
數組的組合
數組的組合有水平組合，垂直組合，深度組合等方式。實現這些組合的函數主要有vstack，dstack，hstack，column_stack，row_stack，concatenate等。
因為我們最常用的數組也不過三維，所以用水平，垂直這樣的字眼比較形象；但我們要明白，本質上是沿軸進行的操作。
數組組合通常不會改變數組的維度。
1.水平組合
hstack函數與concatenate函數
1.1hstack函數：水平連接多個數組。參數只有一個：以數組為元素的序列。
1.2concatenate函數：沿著現有的軸連接數組序列。
函數格式：concatenate((a1, a2, ...), axis=0, out=None)
參數說明：a1, a2, ...：為以數組為元素的類數組序列。其中數組形狀必須相同。
axis=0：數組將沿著這個軸組合，如果坐標軸為None，數組在使用前被平鋪。int型數據，可選參數，默認為零。
2.垂直組合
vstack函數與concatenate函數
2.1vstack函數：垂直連接多個數組。參數如上。
2.2concatenate函數：改一下軸參數就好。
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：行組合
將一維數組按行方向組合起來，對于二維數組完全等同于vstack。對于多維數組，實際上就是沿第一個軸進行組合。
3.2colum_stack函數：列組合
將一維數組按列方向組合起來，對于二維數組完全等同于hstack。對于多維數組，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，函數會自動為其在形狀左側補1，也就是拓展一層。這和之前說過的廣播機制十分類似。
數組的分割
數組可以進行水平，垂直等方式進行分割。相關函數：hsplit，vsplit，dsplit，split。
我們可以將數組分割成相同大小（形狀）的子數組，也可以指定分割的位置。
1.水平分割
hsplit函數和split函數。
沿水平方向，就是沿列方向，沿第二條軸（axis=1）方向。
1.1hsplit函數
格式：hsplit(ary, indices_or_sections)
第一個參數是數組；第二個參數是一個整數或列表，如果不指定，就會分割成相同大小的子數組。
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
函數格式：split(ary, indices_or_sections, axis=0)
第一個參數：數組。
第二個參數：整數或列表，可選參數。
第三個參數：軸，可選參數。
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]]])]
'''
上面是一個三維數組切割的例子。
2.垂直分割
vsplit函數和split函數
沿垂直方向，就是沿行方向，沿第一條軸（axis=0）方向。
split函數如上，改一條軸參數即可。
3.深度分割
dsplit函數
主要用于三維數組，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]]])]
'''
到此這篇關于Numpy數組的組合與分割實現的方法的文章就介紹到這了,更多相關Numpy數組組合與分割內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
