部分资料来源于网络,仅做个人学习之用
目录
0. axis取值
1. stack()
2. hstack()
3. vstack()
4. concatenate()
在numpy中数组都有着[ ]标记,则axis=0对应着最外层的[ ],axis=1对应第二外层的[ ],……,axis=n对应第n外层的[ ]。
sum() 不传参:所有元素的总和
有参数axis:将按照指定axis进行对应元素内求和
(1)axis = 0:对最外层[ ]里的最大单位块做块与块之间的运算, 同时移除最外层[ ]:
a= np.array([1,2,3])
a.sum(axis = 0)
>>>6
因为只有一层[ ],所以直接对1,2,3做运算
加法后本应是[6],但是移除最外层[ ]后,[ ]不存在了,所以返回的是6。
a= np.array([[1,2],[3,4]])
a.sum(axis = 0)
>>>array([4, 6])
有两层[ ],最外层[ ]里的最大单位块分别为[1,2],[3,4],对这两个单位块做块与块之间的运算,[1,2]+[3,4] = [4, 6];
做完加法后本应是[[4, 6]],但是移除最外层[ ]后,原来的两层[ ]变成一层[ ],所以返回结果为 [4, 6]。
a=np.array([[[1,2],[3,4]],[[11,12],[13,14]]])
a.sum(axis = 0)
>>>array([[12, 14], [16, 18]])
有三层[ ],最外层[ ]里的最大单位块分别为[[1,2],[3,4]],[[11,12],[13,14]],对这两个单位块做块与块之间的运算,[[1,2],[3,4]] + [[11,12],[13,14]] = [[12, 14], [16, 18]];
做完加法后本应是[[[12, 14], [16, 18]]],但是移除最外层[ ]后,原来的三层[ ]变成两层[ ],所以返回结果为[[12, 14], [16, 18]];
(2)axis= 1:对第二外层[]里的最大单位块做块与块之间的运算, 同时移除第二外层[]:
a= np.array([1,2,3])
a.sum(axis = 1)
>>>ValueError: 'axis' entry is out of bounds
因为只有一层[ ],axis取值只能为0,否则报错
a= np.array([[1,2],[3,4]])
a.sum(axis = 1)
>>>array([3, 7])
a=np.array([[2],[3]])
a.sum(axis=1)
>>> array([2, 3])
有两层[ ],第二外层[ ]里的最大单位块有两组(因为有两个第二外层[ ]),第一组是1,2,第二组是3,4,分别对这两个单位块做块与块之间的运算,第一组结果为1+2=3,第二组结果为3+4=7;
做完加法后本应是[[3],[7]],但是 移除第二外层[ ] 后,原来的两层[ ]变成一层[ ],所以返回结果为[3, 7]。
对于第二个例子,在第二层[ ]中,第一个[ ]里的元素只有一个2,第二个[ ]里的元素只有一个3,都没有可以相加的其他元素,因此返回本身,最后去掉第二层[ ],为[2,3]
a=np.array([[[1,2],[3,4]],[[11,12],[13,14]]])
a.sum(axis = 1)
>>>array([[ 4, 6], [24, 26]])
有三层[ ],第二外层[ ]里的最大单位块有两组(因为有两个第二外层[ ]),第一组是[1,2],[3,4],第二组是[11,12],[13,14],分别对这两个单位块做块与块之间的运算,第一组结果为[1,2]+[3,4] = [ 4, 6],第二组结果为[11,12]+[13,14] = [24, 26];
做完加法后本应是[[[ 4, 6]], [[24, 26]]],但是 移除第二外层[ ] 后,原来的三层[]变成两层[],所以返回结果为[[ 4, 6], [24, 26]]
按照指定的轴对数组序列进行联结。
格式:numpy.stack(arrays, axis=0, out=None)
arrays :数组序列,数组的形状(shape)必须相同
import numpy as np
a=[[1,2,3], [4,5,6]]
b=[[1,2,3], [4,5,6]]
c=[[1,2,3], [4,5,6]]
print("a=",a)
print("b=",b)
print("c=",c)
print('"axis=0":\n',np.stack((a,b,c),axis=0))
print('"axis=1":\n',np.stack((a,b,c),axis=1))
print('"axis=2":\n',np.stack((a,b,c),axis=2))
(1)axes=0:以0维度的元素为单位
元素:[[1 2 3] [4 5 6]]——0、[[1 2 3] [4 5 6]]——1、[[1 2 3] [4 5 6]]——2
按下标[0,1,2]顺序排(堆)起来即可,结果shape为 (3, 2, 3) 即第一维度有三个元素,第二维度有2个元素,第三纬度有3个元素
(2)axes=1:以1维度的元素为单位
元素:[1 2 3]——0、[4 5 6]——1、[1 2 3]——0、[4 5 6]——1、[1 2 3]——0、[4 5 6]——1
按下标[[0,0,0],[1,1,1]]进行堆叠即可,结果的shape为 (2, 3, 3)
(3)axes=2:以2维度的元素为单位
元素:1——0、2——1、3——2、4——3、5——4、6——5、1——0、2——1、3——2、4——3、5——4、6——5、1——0、2——1、3——2、4——3、5——4、6——5
按下标 [[[0,0,0],[1,1,1],[2,2,2]],[[3,3,3],[4,4,4],[5,5,5]]] 进行堆叠,结果的shape为 (2, 3, 3)
水平(按列顺序)把数组给堆叠起来,等价于np.concatenate(tup,axis=1)
格式:numpy.hstack(tup)
tup:元组,列表,或者numpy数组,返回结果为numpy的数组
The arrays must have the same shape along all but the second axis,except 1-D arrays which can be any length.
(1)一维数组的堆叠可以是不同长度
b = np.hstack(([1,3,5], [2,5,6,7,8]))
print(b)
>>>[1 3 5 2 5 6 7 8]
(2)其它数组堆叠时,除了第二个轴的长度([1, 2]与[7]的长度)可以不同外,其它轴的长度(即元素个数 ,如下例所示均为两个元素)必须相同。
a = np.array([[1, 2], [3, 4]])
b = np.array([[7], [5]])
print(np.hstack((a, b)))
>>>[[1 2 7]
[3 4 5]]
格式:numpy.vstack(tup)
tup:元组,列表,或者numpy数组,返回结果为numpy的数组
等价于:np.concatenate(tup,axis=0)
The arrays must have the same shape along all but the first axis.1-D arrays must have the same length.
(1)一维数组进行堆叠,则数组长度必须相同
#1
print(np.vstack([1,2,3]))
>>>[[1]
[2]
[3]]
#2
a = np.array([1, 2, 3])
b = np.array([2, 3, 4])
np.vstack((a,b))
>>>array([[1, 2, 3],
[2, 3, 4]])
#3
az = np.array([1, 2])
b = np.array([[2, 3],[0]]) # 将列表视为一个元素,因此一维数组的长度相等
print(np.vstack((a,b)))
>>>[[1 2]
[list([2, 3]) list([0])]]
#4
az = np.array([1, 2])
b = np.array([2, 3]) # 两个长度相等的一维数组,若b = np.array([2, 4, 3])则报错
print(np.vstack((a,b)))
>>>[[1 2]
[2 3]]
(2)其它数组堆叠时,除数组第一个轴的长度可以不同,其它轴长度必须一样。
a = np.array([[1, 8, 2]])
b = np.array([[2, 3, 8],[2, 0, 0]])
"""
二维数组,虽然元素个数不一样,但单个元素的长度相同
若b = np.array([[2, 3, 8],[2, 0, 0], [2]) 则报错, 因为单个元素的长度不同
"""
print(np.vstack((a,b)))
>>>[[1 8 2]
[2 3 8]
[2 0 0]]
格式:numpy.concatenate((a1, a2, ...), axis=0, out=None)
将具有相同结构的array序列结合成一个array
axis是拼接方向,0为横轴,1为纵轴。