Numpy 模块 ndarray 形状操纵-下
作者：互联网
这是Numpy 模块内容的第四篇，前面三篇
第一小节：Numpy 模块简介
第二小节：Numpy 模块-常用函数
2. 将不同数组堆叠在一起
- stack（）：沿着新的轴加入一系列数组。
- vstack（）：堆栈数组垂直顺序（行）
- hstack（）：堆栈数组水平顺序（列）。
以上见Numpy 模块 第三小节
- dstack（）：堆栈数组按顺序深入（沿第三维）。
- concatenate（）：连接沿现有轴的数组序列。
2.3 dstack()
功能：将列表中的数组沿深度方向进行拼接。
当数组为2维数组(M,N)或1维数组(N,)时，首先分别将其维度改变为(M,N,1)、(1,N,1)，然后
沿着第三根轴进行拼接。（使用函数dsplit可以将数组沿深度方向进行分隔）。
语法格式：numpy.dstack(tup)
参数：数组组成的列表，其中每个数组的长宽必须保持一致
一维数组的拼接
a = np.array((1,2,3))
b = np.array((4,5,6))
np.dstack((a,b))运行结果
array([[[1, 4],
[2, 5],
[3, 6]]])
二维数组的拼接
a = np.array(((1,2,3),(4,5,6)))
b = np.array(((7,8,9),(10,11,12)))
np.dstack((a,b))运行结果
array([[[ 1, 7],
[ 2, 8],
[ 3, 9]],
[[ 4, 10],
[ 5, 11],
[ 6, 12]]])
2.4 concatenate()
功能：能够一次完成多个数组的拼接。
语法格式：numpy.concatenate((a1,a2,...), axis=0)
参数：a1,a2,...是数组类型的参数
a = np.array(((1,2,3),(4,5,6)))
b = np.array(((7,8,9),(10,11,12)))
c=np.concatenate((a,b))
print(c)运行结果
[[ 1 2 3] [ 4 5 6] [ 7 8 9] [10 11 12]]
3. 将一个数组拆分成几个较小的数组
3.1 split()
语法格式：numpy.split(ary, indices_or_sections, axis=0)
功能：把一个数组从左到右按顺序切分
参数： ary:要切分的数组 ,indices_or_sections:如果是一个整数，就用该数平均切分，如果是
一个数组，为沿轴 切分的位置（左开右闭）
请注意，如果indices_or_sections不能正确的平均切分，则会报错：“ValueError: array split does not result in an equal division ”
axis：沿着哪个维度进行切向，默认为0，横向切分。为1时，纵向切分
上代码
print("*"*30)
y=np.array([[[ 1, 2],[ 3 , 4]],[[ 5 , 6],[ 7 , 8]],[[ 9 ,10],[11 ,12]]],np.int32)
print(np.split(y,3,0))
print("*"*30)
x = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]],np.int32)
print(np.split(x,3,1))运行结果是
******************************
[array([[[1, 2],
[3, 4]]]), array([[[5, 6],
[7, 8]]]), array([[[ 9, 10],
[11, 12]]])]
******************************
[array([[ 1],
[ 4],
[ 7],
[10]]), array([[ 2],
[ 5],
[ 8],
[11]]), array([[ 3],
[ 6],
[ 9],
[12]])]
3.2 vsplit() 和 hsplit()
如果把 hstack() 和 vstack() 两个函数弄明白了，这两个拆分函数就不用多说了。
标签：11,10,12,模块,数组,np,array,Numpy,ndarray 来源： https://blog.csdn.net/u010701274/article/details/121145937