Python之数据分析（Numpy的数组切片、数组变维、组合与拆分）

淩亂°似流年 2023-02-23 08:54 17阅读 0赞

### 文章目录 ###

*   *   *  一、Numpy的切片
         *  二、数组变维
         *  三、组合与拆分

### 一、Numpy的切片 ###

**1、格式**  
数组\[起始:终止:步长\]

**2、缺省值**  
缺省起始：步长为正，首；步长为负，尾  
缺省终止：步长为正，尾后；步长为负，首前  
缺省步长：1

**3、端部切片**  
靠近端部的一个或几个连续的维度使用缺省切片，可以用“…”表示

*  print(a\[3:6\])： 起始包括终止不包括：有指定起始值，则不包括起始值，即4到6包括6
 *  print(a\[-4:-7:-1\]) ：步长为-1，起始是倒数第3个即7（不包括），终止是倒数第6个即4（包括）

**4、练习代码**

import numpy as np
    
    # 一维数组的切片取值
    # a = np.arange(1,10) # 表示1，2，3，4，5，6，7，8，9
    # print(a[:3]) # 与索引不同，缺省起始为首（第一个），即1；这里表示1到3包括3，步长为1
    # print(a[3:6]) # 起始包括终止不包括：有指定起始值，则不包括起始值，即4到6包括6
    # print(a[6:]) # 缺省终止为尾后（最后一个），即9，这里表示从7到9
    # print(a[::-1]) # 缺省起始为首9，缺省终止为尾后1，即所有的数都包括在内，步长为负，所以是逆序
    # print(a[:-4:-1]) # 步长为-1，缺省起始是尾，即9；-4是倒数第3个，到7
    # print(a[-4:-7:-1]) # 步长为-1，起始是倒数第3个即7（不包括），终止是倒数第6个即4（包括）
    # print(a[-7::-1]) # 步长为-1，起始是倒数第6个即4（不包括），终止是缺省终止1（倒序最后一个）
    # print(a[...]) # 端部切片，全部取
    # print(a[::3]) # 全取，步长3
    # print(a[1::3]) # 从1开始取到结束，步长3
    # print(a[:9:3]) # 从首取到9（包括），步长3
    
    # 二维数组的切片取值
    b = np.arange(1, 25).reshape(2, 3, 4)  # 将一维的数组变为2*3*4的三维数组
    # print(b)
    ''' [[[ 1 2 3 4] [ 5 6 7 8] [ 9 10 11 12]] [[13 14 15 16] [17 18 19 20] [21 22 23 24]]] '''
    print(b[:, 0, 0])  # ":"在页位上，表示每一页；后面的0表示第0行第0列
    print(b[0, :, :])  # 第0页上是所有行所有列，即整个第0页
    print(b[0, 1, ::2])  # 第0页的第1行，用步长为2从整行取
    print(b[:, :, 1])  # 每一页的每一行的第一列，也可表示为print(b[..., 1])
    print(b[:, 1])  # 每一页的第一行，没有表示列的
    print(b[-1, 1:, 2:])  # 最后一页，第1行（起始不包括）到最后一行，第2列（起始不包括）到最后一列

### 二、数组变维 ###

**1、视图变维：** 针对一个数组对象获取其不同维度的视图数组  
reshape(新维度)——>数组的新维度视图  
ravel()——>数组的一维视图

**2、复制变维：** 针对一个数组对象获取其不同维度的副本  
flatten()——>数组的一维副本  
实际上在内部，改变维度其实是重新创建了一个对象，指向原来那个对象包含数据的内存地址

**3、就地变维：** 直接改变某个数组本身的维度  
数组.shape = 新维度  
数组.resize（新维度）

**4、视图转置：** 行列互换，行数变成列数，列数变成行数  
数组.transpose()——>数组的转置视图  
数组.T：转置视图属性来转置

**5、练习代码**

import numpy as np
    
    a = np.arange(1, 9)
    b = a.reshape(2, 4)  # 创建了一个a数组的视图b
    # print(b)
    c = b.reshape(2, 2, 2)  # 3页3行3列
    # print(c)
    d = c.ravel()  # 回到原来的数组，一维数组
    
    # flatten创建副本，副本与原来的数组是独立的
    e = b.flatten()
    # print(d)
    # print(e)
    
    a += 10  # 将a中的元素都+10，则每个reshape来的数组都会变化，而flatten得到的副本不会变
    # print(a, b, c, d,sep='\n')
    # print(e)
    
    # reshape()也可以创建副本，需要用copy()
    f = b.reshape(2, 2, 2).copy()
    b += 10
    # print(b)
    # print(f)
    
    # 就地变维：直接改变某个数组本身的维度
    a.shape = (2, 2, 2)
    # print(a)
    a.resize(2, 4)
    # print(a)
    
    # 视图转置
    g = a.T  # 原本是2*4，现在是4*2
    # 或者使用g = a.transpose()
    print(g)

### 三、组合与拆分 ###

**1、vstack与vsplit**  
stack就是栈（堆叠）的意思，split就是分割的意思。  
1）垂直组合：numpy.vstack((上，下))

2）垂直拆分：numpy.vsplit(数组，份数)——>子数组集合

3）水平组合：numpy.hstack((左，右))

4）水平拆分：numpy.hsplit(数组，份数)——>子数组集合

5）深度组合：numpy.dstack((前，后))

6）深度拆分：numpy.dsplit(数组，份数)——>子数组集合

7）行组合：numpy.row\_stack((上，下))

8）列组合：numpy.column\_stack((左，右))

**2、练习代码**

import numpy as np
    
    # 垂直组合vstack
    a = np.arange(11, 20).reshape(3, 3)
    b = np.arange(21, 30).reshape(3, 3)
    # 将a与b组成一个栈，a在上，b在下
    c = np.vstack((a, b))
    # print(c)
    
    # 垂直拆分vsplit
    a, b = np.vsplit(c, 2)  # 将c拆成2份，结果放在a，b中
    # print(a)
    # print(b)
    
    # 水平组合，水平拆分
    c = np.hstack((a, b))
    # print(c)
    a, b = np.hsplit(c, 2)  # 在水平方向将c拆成2份
    # print(a, b, sep='\n')
    
    # 深度组合，深度拆分
    c = np.dstack((a, b))
    # print(c)
    '''深度组合的结果 [[[11 21] [12 22] [13 23]] [[14 24] [15 25] [16 26]] [[17 27] [18 28] [19 29]]] '''
    a, b = np.dsplit(c, 2)
    # 依然是三维数组，不会回到原来的a，b
    # print(a, b, sep='\n')
    # 转置两次才可以回到原来的a，b
    # print(a.T[0].T, b.T[0].T, sep='\n')
    
    
    # 行列组合
    a = a.ravel()  # 回到原来的一维数组
    b = b.ravel()
    c = np.row_stack((a, b))  # 拼接成两个一维数组，呈2行
    # print(c)
    c = np.column_stack((a, b))  # 呈2列
    print(c)