python numpy--數組的組合和分割實例

數組的組合主要有：

1.水平組合：np.hstack(arr1,arr2) 或 concatenate(arr1,arr2,axis=1)
2.垂直組合：np.vstack(arr1,arr2) 或 concatenate(arr1,arr2,axis=0)
3.深度組合：np.dstack(arr1,arr2)
4.列組合：np.column_stack(arr1,arr2)
5.行組合：np.row_stack(arr1,arr2)

數組的分割主要有：

1.水平分割：np.split(arr,n,axis=1) 或 np.hsplit(arr,n)
2.垂直分割：np.split(arr,n,axis=0) 或 np.vsplit(arr,n)
3.深度分割：np.dsplit(arr,n)

接下來一一舉例

一、數組的組合

1.水平組合

語法：

np.hstack(arr1,arr2)
concatenate(arr1,arr2,axis=1)

水平方向上直接拼接起來

# 準備兩個數組
m=np.arange(9).reshape(3,3)
doubleM=m*2

m:

doubleM:

#hstack()
np.hstack((m,doubleM)) 
# concatenate()
np.concatenate((m,doubleM),axis=1)

2.垂直組合

語法：

np.vstack(arr1,arr2)
concatenate(arr1,arr2,axis=0)

將第二個數組拼接在第一個數組的垂直方向上。

還是用剛剛的m 和doubleM這兩個數組。

# vstack()
np.vstack((m,doubleM))
# concatenate()
np.concatenate((m,doubleM),axis=0)

3.深度組合

語法：np.dstack(arr1,arr2)

就是將一系列數組沿著縱軸（深度）方向進行層疊組合。

還是用剛剛的m和doubleM兩個數組。

np.dstack((m,doubleM))

注意:

（1）新的數據的維度是原數據行列以及個數相關。

（2）維度不同的兩個數組不能進行組合

4.列組合

語法：np.column_stack(arr1,arr2)

column_stack函數對于一維數組是深度組合；

對多維數組就是與hstack的效果一樣，直接水平方向拼接起來

(1) 兩個一維數組進行列組合

m1=np.arange(3)
print(m1)
np.column_stack((m1,m1*2))

[0 1 2]

array([[0, 0],
[1, 2],
[2, 4]])

（2）一維數組與多維數組進行組合

將一維數組的每一個數字分配到多維數組的每一列中去，因此，一維數組的數字個數一定要與多維數組的行相同才能夠進行組合。

m1：[0 1 2]

m:

np.column_stack((m1,m))

（3）多維數組與多維數組進行列組合

可以看出來是直接進行水平方向的組合的

np.column_stack((m,doubleM))

5.行組合

語法：np.row_stack(arr1,arr2)

對于一維數組來說，無論幾個一維數組，直接疊起來組成二維數組；

對于多維數組來說，就是垂直方向上的組合（vstack）

(1)兩個一維數組進行行組合

np.row_stack((m,doubleM))

（2）多維數組進行行組合

注意一定要相同維度的多維數組才能進行行組合！！！

二、數組的分割

1.水平分割

是在水平方向上進行分割，所以是豎著劃一刀的。

語法：

np.split(arr,n,axis=1)
np.hsplit()

arr1=np.arange(16).reshape(4,4)
print(arr1)
np.split(arr1,2,axis=1)
# np.hsplit(arr1,2)

注意：分割的分數要可以整出的才行

2.垂直分割

沿著垂直方向上進行分割，因此是分出來是行

語法：

np.split(arr,n,axis=0)
np.vsplit(arr)

arr=np.arange(9).reshape(3,3)
arr

np.split(arr,3,axis=0)
np.vsplit(arr,3)

3.深度分割

注意：深度分割只能分割3個維度以上的

語法：語法：dsplit(arr,n)

arr1=np.arange(8).reshape(2,2,2)
arr1

np.dsplit(arr1,2)

以上這篇python numpy--數組的組合和分割實例就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持億速云。