Python之Numpy数组拼接，组合，连接

本文转载自： https://www.cnblogs.com/huangshiyu13/p/6672828.html 作者：huangshiyu13 转载请注明该声明。

转自：https://www.douban.com/note/518335786/?type=like

============改变数组的维度==================
已知reshape函数可以有一维数组形成多维数组
ravel函数可以展平数组
b.ravel()
flatten()函数也可以实现同样的功能
区别：ravel只提供视图view，而flatten分配内存存储

重塑：

用元祖设置维度
>>> b.shape=(4,2,3)
>>> b
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］])

转置：
>>> b
array(［0, 1],
       [2, 3］)
>>> b.transpose()
array(［0, 2],
       [1, 3］)

=============数组的组合==============
>>> a
array(［0, 1, 2],
       [3, 4, 5],
       [6, 7, 8］)
>>> b = a*2
>>> b
array(［ 0, 2, 4],
       [ 6, 8, 10],
       [12, 14, 16］)

1.水平组合
>>> np.hstack((a,b))
array(［ 0, 1, 2, 0, 2, 4],
       [ 3, 4, 5, 6, 8, 10],
       [ 6, 7, 8, 12, 14, 16］)
>>> np.concatenate((a,b),axis=1)
array(［ 0, 1, 2, 0, 2, 4],
       [ 3, 4, 5, 6, 8, 10],
       [ 6, 7, 8, 12, 14, 16］)

2.垂直组合
>>> np.vstack((a,b))
array(［ 0, 1, 2],
       [ 3, 4, 5],
       [ 6, 7, 8],
       [ 0, 2, 4],
       [ 6, 8, 10],
       [12, 14, 16］)
>>> np.concatenate((a,b),axis=0)
array(［ 0, 1, 2],
       [ 3, 4, 5],
       [ 6, 7, 8],
       [ 0, 2, 4],
       [ 6, 8, 10],
       [12, 14, 16］)

3.深度组合：沿着纵轴方向组合
>>> np.dstack((a,b))
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()
一维数组：按列方向组合
二维数组：同hstack一样

5.行组合row_stack()
以为数组：按行方向组合
二维数组：和vstack一样

6.==用来比较两个数组
>>> a==b
array(［ True, False, False],
       [False, False, False],
       [False, False, False］, dtype=bool)
#True那个因为都是0啊

==================数组的分割===============
>>> a
array(［0, 1, 2],
       [3, 4, 5],
       [6, 7, 8］)
>>> b = a*2
>>> b
array(［ 0, 2, 4],
       [ 6, 8, 10],
       [12, 14, 16］)

1.水平分割（难道不是垂直分割？？？）
>>> np.hsplit(a,3)
[array(［0],
       [3],
       [6］),
 array(［1],
       [4],
       [7］),
array(［2],
       [5],
       [8］)]
split(a,3,axis=1)同理达到目的

2.垂直分割
>>> np.vsplit(a,3)
[array(［0, 1, 2］), array(［3, 4, 5］), array(［6, 7, 8］)]

split(a,3,axis=0)同理达到目的

3.深度分割
某三维数组：：：
>>> d = np.arange(27).reshape(3,3,3)
>>> d
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］])

深度分割后（即按照深度的方向分割）
注意：dsplite只对3维以上数组起作用
raise ValueError('dsplit only works on arrays of 3 or more dimensions')
ValueError: dsplit only works on arrays of 3 or more dimensions

>>> np.dsplit(d,3)
[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］])]

===================数组的属性=================
>>> a.shape #数组维度
(3, 3)
>>> a.dtype #元素类型
dtype('int32')
>>> a.size #数组元素个数
9
>>> a.itemsize #元素占用字节数
4
>>> a.nbytes #整个数组占用存储空间=itemsize*size
36
>>> a.T #转置=transpose
array(［0, 3, 6],
       [1, 4, 7],
       [2, 5, 8］)