python中numpy科学计算库的基本使用（二）

r囧r小猫 2022-11-29 12:10 271阅读 0赞

[上接python中numpy科学计算库的基本使用（一）][python_numpy]

## 6.array的合并 ##

生存array数组  
vstack方法，实现垂直合并(即按行合并)

arr1=np.array([1,2,3])
    arr2=np.array([4,5,6])
    arr3=np.vstack((arr1,arr2))#垂直合并
    print(arr3)
    print(arr3.shape)
    [[1 2 3]
     [4 5 6]]
     
    (2, 3)

hstack方法，实现水平合并（即按列合并）

arr4=np.hstack((arr1,arr2))#水平合并
    print(arr4)
    print(arr4.shape)
    [1 2 3 4 5 6]
    
    (6,)

**注：python中，对一维数组使用.shape方法得到的是（数组长度，）这种格式。对矩阵使用.shape方法得到的是（行数，列数）这种格式。**  
**注：python中两个一维数组使用hstack按列合并是合成一个长数组（如上例），  
而R中，两个一维向量使用cbind按列合并是合成一个两列的矩阵,使用rbind按行合并是合成一个两行的矩阵**  
R语言一个例子

> a <- c(1,2,3)
    > b <- c(4,5,6)
    > a
    [1] 1 2 3
    > b
    [1] 4 5 6
    > c <- cbind(a,b)
    > c
         a b
    [1,] 1 4
    [2,] 2 5
    [3,] 3 6
    > c <- rbind(a,b)
    > c
      [,1] [,2] [,3]
    a    1    2    3
    b    4    5    6

vstack方法，可以实现多个数组垂直合并(即按行合并)

arrv=np.vstack((arr1,arr2,arr3))#可以实现多个array垂直合并
    print(arrv)
    [[1 2 3]
     [4 5 6]
     [1 2 3]
     [4 5 6]]

hstack方法，同样可以实现多个数组水平合并(即按列合并)

arrh=np.hstack((arr1,arr2,arr4))#可以实现多个array水平合并
    print(arrh)
    [1 2 3 4 5 6 1 2 3 4 5 6]

concatenate方法，实现一维数组合并  
ps:这里的axis应该默认是等于0的（因为手动令axis=0，不会出错且结果一致），等于0是按行合并，但是这里是按列合并的结果。且如果令axis=1，即按列合并，应该是这个结果，但会出错，目前水平不足无法解释这个问题。记着concatenate方法合并一维数组时，得到的是一个长数组就可以了。

arr=np.concatenate((arr1,arr2,arr1))#一维数组合并不需要axis属性
    print(arr)
    [1 2 3 4 5 6 1 2 3]

concatenate方法，实现矩阵按行合并

arr=np.concatenate((arr3,arrv),axis=0)#合并矩阵的列数要相等，axis=0垂直合并(即按行合并)
    print(arr)
    [[1 2 3]
     [4 5 6]
     [1 2 3]
     [4 5 6]
     [1 2 3]
     [4 5 6]]

concatenate方法，实现矩阵按列合并

arr=np.concatenate((arr3,arr3),axis=1)#合并矩阵的行数要相等，axis=1水平合并(即按列合并)
    print(arr)
    [[1 2 3 1 2 3]
     [4 5 6 4 5 6]]

一维数组的转置（一维数组转置和没转置一样）

print(arr1)
    print(arr1.T)#一维数组转置和原来一样
    print(arr1.shape)
    print(arr1.T.shape)
    [1 2 3]
    
    [1 2 3]
    
    (3,)
    
    (3,)

np.newaxis给数组增加维度（这里是在行方向增加维度）

arr1_1=arr1[np.newaxis,:]#首先一维的数组是没有行和列的，在行位置增加维度，本来没有行，增加以后变成1行3列,
    print(arr1_1)
    print(arr1_1.shape)
    [[1 2 3]]
    
    (1, 3)

np.newaxis给数组增加维度（这里是在列方向增加维度）

arr1_2=arr1[:,np.newaxis]#在列位置增加维度，本来没有列，增加以后变成3行1列,
    print(arr1_2)
    print(arr1_2.shape)
    [[1]
     [2]
     [3]]
     
    (3, 1)

atleast\_2d方法将数据结构转化为2维，2维或更高维数据结构使用此方法不发生变化

arr1_3=np.atleast_2d(arr1)#将数据转化为2维
    print(arr1_3)
    print(arr1_3.shape)
    print(arr1_3.T)
    print(arr1_3.T.shape)
    [[1 2 3]]
    
    (1, 3)
    
    [[1]
     [2]
     [3]]
     
    (3, 1)

atleast\_3d方法将数据结构转化为3维，3维或更高维数据结构使用此方法不发生变化  
三维数组转置和没转置一样

arr1_3=np.atleast_3d(arr1)#将数据转化为3维
    print(arr1_3)
    print(arr1_3.shape)
    print(arr1_3.T)
    print(arr1_3.T.shape)
    [[[1]
      [2]
      [3]]]
      
    (1, 3, 1)
    
    [[[1]
      [2]
      [3]]]
      
    (1, 3, 1)

## 7.array的分割 ##

生存array数组

arr1=np.arange(12).reshape((3,4))
    print(arr1)
    [[ 0  1  2  3]
     [ 4  5  6  7]
     [ 8  9 10 11]]

**注意：在R中1代表行，2代表列，而在python中0代表行，1代表列。**  
split方法，实现分割array，axis=1代表按列分割（仅可以实现**等份**的分割，即分割后的array维度必须一致）

arr2,arr3=np.split(arr1,2,axis=1)#按列分割，分成2份
    print(arr2)
    print(arr3)
    [[0 1]
     [4 5]
     [8 9]]
     
    [[ 2  3]
     [ 6  7]
     [10 11]]

split方法，实现分割array，axis=0代表按行分割（仅可以实现**等份**的分割，即分割后的array维度必须一致）

arr4,arr5,arr6=np.split(arr1,3,axis=0)#按行分割，分成3份
    print(arr4)
    print(arr5)
    print(arr6)
    [[0 1 2 3]]
    
    [[4 5 6 7]]
    
    [[ 8  9 10 11]]

array\_split方法，可以实现**不等**分割array，axis=1代表按列分割。实现不等分割时，由于分割后的array维度可能不一致，先分割出来的array维度要大，但分割后的array尽量维度差不多。

arr7,arr8,arr9=np.array_split(arr1,3,axis=1)#按列分割，分成3份，不等分割
    print(arr7)
    print(arr8)
    print(arr9)
    [[0 1]
     [4 5]
     [8 9]]
     
    [[ 2]
     [ 6]
     [10]]
     
    [[ 3]
     [ 7]
     [11]]

**注意，vsplit和vstack相对应，按行分割或合并array，  
hsplit和hstack相对应，按列分割或合并array。**  
vsplit方法，实现按行分割array，（同split方法，仅可以实现**等份**的分割）

arrv1,arrv2,arrv3=np.vsplit(arr1,3)#按行分割
    print(arrv1)
    print(arrv2)
    print(arrv3)
    [[0 1 2 3]]
    
    [[4 5 6 7]]
    
    [[ 8  9 10 11]]

hsplit方法，实现按列分割array，（同split方法，仅可以实现**等份**的分割）

arrh1,arrh2=np.hsplit(arr1,2)#按列分割
    print(arrh1)
    print(arrh2)
    [[0 1]
     [4 5]
     [8 9]]
     
    [[ 2  3]
     [ 6  7]
     [10 11]]

## 8.numpy的浅拷贝和深拷贝 ##

生存array数组

arr1=np.array([1,2,3])

直接相等(=)，即赋值操作，实现浅拷贝。  
arr1,arr2共享一块内存空间（浅拷贝可以理解为给这块内存取了一个别名，还是同一个人只不过取了一个新名字）

arr2=arr1#浅拷贝

arr1和arr2实际上是一块内存（同一个人不同的名字），因此改变arr2，arr1也会发生改变

arr2[0]=5
    print(arr1)
    print(arr2)
    [5 2 3]
    
    [5 2 3]

copy方法，实现深拷贝  
arr3又重新申请了一块内存空间,深拷贝（相当于又新生出一个人，对这个人发生改变并不会影响被拷贝的人）

arr3=arr1.copy()#深拷贝

深拷贝出的arr3和arr1没有任何关系（不同的人），arr3有自己的内存空间，因此改变arr3，arr1不会发生变化