Python之数据分析（Numpy的数组切片、数组变维、组合与拆分）

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 npa = 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)