内容索引

数组组合使用vstack、dstack、hstack、column_stack、row_stack以及concatenate函数完成数组的组合
数组分割使用hsplit、vsplit、dsplit和split函数
数组属性
数组转换 tolist、astype函数



In [3]:

    
%pylab









    



Using matplotlib backend: TkAgg
Populating the interactive namespace from numpy and matplotlib

1. 数组的组合

Numpy数组有水平组合、垂直组合和深度组合等多种组合方式，我们将使用vstack、dstack、hstack、column_stack、row_stack以及concatenate函数完成数组的组合



In [6]:

    
a = arange(9).reshape(3,3)
b = 2*a
print 'a: \n',a
print 'b: \n',b









    



a: 
[[0 1 2]
 [3 4 5]
 [6 7 8]]
b: 
[[ 0  2  4]
 [ 6  8 10]
 [12 14 16]]

（1）水平组合

将ndarray对象构成的元组作为参数，传给hstack函数或者使用concatenate函数实现该功能



In [7]:

    
hstack((a, b))









    Out[7]:





array([[ 0,  1,  2,  0,  2,  4],
       [ 3,  4,  5,  6,  8, 10],
       [ 6,  7,  8, 12, 14, 16]])



In [8]:

    
concatenate((a,b), axis=1)









    Out[8]:





array([[ 0,  1,  2,  0,  2,  4],
       [ 3,  4,  5,  6,  8, 10],
       [ 6,  7,  8, 12, 14, 16]])

（2）垂直组合

vstack函数 concatenate函数，axis参数设置为0



In [9]:

    
vstack((a,b))









    Out[9]:





array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 0,  2,  4],
       [ 6,  8, 10],
       [12, 14, 16]])



In [10]:

    
concatenate((a,b), axis=0)









    Out[10]:





array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 0,  2,  4],
       [ 6,  8, 10],
       [12, 14, 16]])

（3）深度组合

深度组合，就是将一系列数组沿着纵轴(深度)方向进行层叠组合。



In [11]:

    
dstack((a,b))









    Out[11]:





array([[[ 0,  0],
        [ 1,  2],
        [ 2,  4]],

       [[ 3,  6],
        [ 4,  8],
        [ 5, 10]],

       [[ 6, 12],
        [ 7, 14],
        [ 8, 16]]])

（4）列组合

column_stack函数。

对于一维数组将按列方向进行组合。

对于二维数组，效果和hstack一样。



In [12]:

    
oned = arange(2)
twice_oned = 2 * oned

column_stack((oned, twice_oned))









    Out[12]:





array([[0, 0],
       [1, 2]])



In [13]:

    
column_stack((a,b))









    Out[13]:





array([[ 0,  1,  2,  0,  2,  4],
       [ 3,  4,  5,  6,  8, 10],
       [ 6,  7,  8, 12, 14, 16]])



In [14]:

    
column_stack((a,b)) == hstack((a,b))









    Out[14]:





array([[ True,  True,  True,  True,  True,  True],
       [ True,  True,  True,  True,  True,  True],
       [ True,  True,  True,  True,  True,  True]], dtype=bool)

（5）行组合

按行方向进行组合。对于两个一维数组，将直接层叠起来合成一个二维数组；对于二维数组，row_stack和vstack的效果一样。



In [15]:

    
row_stack((a,b))









    Out[15]:





array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 0,  2,  4],
       [ 6,  8, 10],
       [12, 14, 16]])

2. 数组的分割

Numpy数组可以进行水平、垂直和深度分割，相关的函数有hsplit、vsplit、dsplit和split。我们可以将数组分割成相同大小的子数组，也可以指定原数组中需要分割的位置。

（1）水平分割



In [16]:

    
a









    Out[16]:





array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])



In [17]:

    
#将数组沿水平方向分割为3个相同大小的子数组
hsplit(a, 3)









    Out[17]:





[array([[0],
        [3],
        [6]]), array([[1],
        [4],
        [7]]), array([[2],
        [5],
        [8]])]



In [18]:

    
#调用split函数，指定参数axis=1
split(a, 3, axis=1)









    Out[18]:





[array([[0],
        [3],
        [6]]), array([[1],
        [4],
        [7]]), array([[2],
        [5],
        [8]])]

（2）垂直分割



In [19]:

    
vsplit(a, 3)









    Out[19]:





[array([[0, 1, 2]]), array([[3, 4, 5]]), array([[6, 7, 8]])]



In [20]:

    
split(a, 3, axis=0)









    Out[20]:





[array([[0, 1, 2]]), array([[3, 4, 5]]), array([[6, 7, 8]])]

（3）深度分割



In [21]:

    
c = arange(27).reshape(3,3,3)



In [22]:

    
c









    Out[22]:





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]]])



In [23]:

    
dsplit(c, 3)









    Out[23]:





[array([[[ 0],
         [ 3],
         [ 6]],
 
        [[ 9],
         [12],
         [15]],
 
        [[18],
         [21],
         [24]]]), array([[[ 1],
         [ 4],
         [ 7]],
 
        [[10],
         [13],
         [16]],
 
        [[19],
         [22],
         [25]]]), array([[[ 2],
         [ 5],
         [ 8]],
 
        [[11],
         [14],
         [17]],
 
        [[20],
         [23],
         [26]]])]

3. 数组的属性

ndim属性，给出数组的维度
size属性，给出数组元素的总个数
itemsize属性，给出数组元素在内存中所占的字节数
nbytes属性，给出整个数组所占存储空间，即itemsize和size属性的乘积
T属性，和transpose函数一样
real属性给出复数数组的实部，imag属性给出复数数组的虚部

flat属性将返回numpy.flatiter对象，这是获得flatiter对象的唯一方式。这个所谓的“扁平迭代器”可以让我们像遍历一维数组一样遍历任意的多维数组。



In [24]:

    
b = arange(4).reshape(2,2)



In [25]:

    
b









    Out[25]:





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



In [26]:

    
f = b.flat
f









    Out[26]:





<numpy.flatiter at 0x50ddcb8>



In [27]:

    
for item in f:
    print item



In [28]:

    
#使用flatiter对象直接获取一个数组的元素
b.flat[2]









    Out[28]:





2



In [29]:

    
b.flat[[1,3]]









    Out[29]:





array([1, 3])



In [30]:

    
#对flat属性赋值将导致整个数组的元素被覆盖
b.flat = 7



In [31]:

    
b









    Out[31]:





array([[7, 7],
       [7, 7]])



In [34]:

    
b.flat[[1,3]] = 1
b









    Out[34]:





array([[7, 1],
       [7, 1]])

4. 数组的转换

tolist函数将numpy数组转换成python列表



In [35]:

    
b









    Out[35]:





array([[7, 1],
       [7, 1]])



In [36]:

    
b.tolist()









    Out[36]:





[[7, 1], [7, 1]]

astype函数可以在转换数组时指定数据类型



In [37]:

    
b.astype(float)









    Out[37]:





array([[ 7.,  1.],
       [ 7.,  1.]])



In [ ]: