numpy.pad使用详解

numpy中pad的用法

在机器学习中经常用到pad进行数据的预处理，对原本的矩阵进行填充，具体用法如下：
numpy.pad(array, pad_width, mode='constant', **kwargs)
array为待填充的矩阵
pad_width为要填充的位置（行，列），一会用实例进行说明
mode为填充方式： 有以下几种方式：
constant：用常数填充，可用constant_values=(4, 6)设置，4代表前面填充，6代表后面填充
edge：用边缘填充
linear_ramp：边缘递减，即取得是递减到0时的数
eg:
a=np.array([1,5,7,9,6]) a=np.pad(a,(0,3),'linear_ramp') print(a)
结果如下：
[1 5 7 9 6 4 2 0]
修改为在后方填充6位：
a=np.array([1,5,7,9,6]) a=np.pad(a,(0,6),'linear_ramp') print(a)
结果为：
[1 5 7 9 6 5 4 3 2 1 0]

maximum：选取最大的进行填充，注意二维是先进行选择最大填充行，再选择最大填充列
mean：均值
median：中位数
minimum：最小值
reflect：关于边缘值对称
symmetric：关于边缘附近的空对称
wrap：用数组前面的填充后面，后面的填充前面，填充方式是从中间向两边填充

import numpy as np
a=np.array([[6,7,4],
          [6,5,3]])
print(a)
a=np.pad(a,((1,2),(2,2)),'wrap')
print(a)

结果为：
[5 3 6 5 3 6 5
7 4 6 7 4 6 7
5 3 6 5 3 6 5
7 4 6 7 4 6 7
5 3 6 5 3 6 5]
相关练习题：
对于一个存在在数组，如何添加一个用0填充的边界?