Python数据分析之堆叠数组函数示例总结
作者:嵌入式视觉
numpy 堆叠数组
在做图像和 nlp 的数组数据处理的时候,经常需要实现两个数组堆叠或者连接的功能,这就需用到 numpy
库的一些函数,numpy 库中的常用堆叠数组函数如下:
stack
: Join a sequence of arrays along a new axis.hstack
: Stack arrays in sequence horizontally (column wise).vstack
: Stack arrays in sequence vertically (row wise).dstack
: Stack arrays in sequence depth wise (along third axis).concatenate
: Join a sequence of arrays along an existing axis.
ravel() 函数
ravel() 方法可让将多维数组展平成一维数组。如果不指定任何参数,ravel() 将沿着行(第 0 维/轴)展平/拉平输入数组。
示例代码如下:
std_array = np.random.normal(3, 2.5, size=(2, 4)) array1d = std_array.ravel() print(std_array) print(array1d)
程序输出结果如下:
[[5.68301857 2.09696067 2.20833423 2.83964393]
[2.38957339 9.66254303 1.58419716 2.82531094]]
[5.68301857 2.09696067 2.20833423 2.83964393 2.38957339 9.66254303 1.58419716 2.82531094]
stack() 函数
stack() 函数原型是 stack(arrays, axis=0, out=None),功能是沿着给定轴连接数组序列,轴默认为第0维。
1,参数解析:
- arrays: 类似数组(数组、列表)的序列,这里的每个数组必须有相同的shape。
- axis: 默认为整形数据,axis决定了沿着哪个维度stack输入数组。
2,返回:
- stacked :
ndarray
类型。The stacked array has one more dimension than the input arrays.
实例如下:
import numpy as np # 一维数组进行stack a1 = np.array([1, 3, 4]) # shape (3,) b1 = np.array([4, 6, 7]) # shape (3,) c1 = np.stack((a,b)) print(c1) print(c1.shape) # (2,3) # 二维数组进行堆叠 a2 = np.array([[1, 3, 5], [5, 6, 9]]) # shape (2,3) b2 = np.array([[1, 3, 5], [5, 6, 9]]) # shape (2,3) c2 = np.stack((a2, b2), axis=0) print(c2) print(c2.shape)
输出为:
[[1 3 4] [4 6 7]]
(2, 3)
[[[1 3 5] [5 6 9]] [[1 3 5] [5 6 9]]] (2, 2, 3)
可以看到,进行 stack 的两个数组必须有相同的形状,同时,输出的结果的维度是比输入的数组都要多一维的。我们拿第一个例子来举例,两个含 3 个数的一维数组在第 0 维进行堆叠,其过程等价于先给两个数组增加一个第0维,变为1*3的数组,再在第 0 维进行 concatenate()
操作:
a = np.array([1, 3, 4]) b = np.array([4, 6, 7]) a = a[np.newaxis,:] b = b[np.newaxis,:] np.concatenate([a,b],axis=0)
输出为:
array([[1, 2, 3], [2, 3, 4]])
vstack()函数
vstack函数原型是vstack(tup),功能是垂直的(按照行顺序)堆叠序列中的数组。tup是数组序列(元组、列表、数组),数组必须在所有轴上具有相同的shape,除了第一个轴。1-D arrays must have the same length.
# 一维数组 a = np.array([1, 2, 3]) b = np.array([2, 3, 4]) np.vstack((a,b))
array([[1, 2, 3], [2, 3, 4]])
# 二维数组 a = np.array([[1], [2], [3]]) b = np.array([[2], [3], [4]]) np.vstack((a,b))
array([[1], [2], [3], [2], [3], [4]])
hstack()函数
hstack()的函数原型:hstack(tup) ,参数tup可以是元组,列表,或者numpy数组,返回结果为numpy的数组。它其实就是**水平(按列顺序)**把数组给堆叠起来,与vstack()函数正好相反。举几个简单的例子:
# 一维数组 a = np.array([1, 2, 3]) b = np.array([2, 3, 4]) np.hstack((a,b))
array([1, 2, 3, 2, 3, 4])
# 二维数组 a = np.array([[1], [2], [3]]) b = np.array([[2], [3], [4]]) np.hstack((a,b))
array([[1, 2], [2, 3], [3, 4]])
vstack()和hstack函数对比:
这里的v是vertically的缩写,代表垂直(沿着行)堆叠数组,这里的h是horizontally的缩写,代表水平(沿着列)堆叠数组。 tup是数组序列(元组、列表、数组),数组必须在所有轴上具有相同的shape,除了第一个轴。
concatenate() 函数
concatenate()函数功能齐全,理论上可以实现上面三个函数的功能,concatenate()函数根据指定的维度,对一个元组、列表中的list或者ndarray进行连接,函数原型:
numpy.concatenate((a1, a2, ...), axis=0)
a = np.array([[1, 2], [3,4]]) b = np.array([[5, 6], [7, 8]]) # a、b的shape为(2,2),连接第一维就变成(4,2),连接第二维就变成(2,4) np.concatenate((a, b), axis=0)
array([[1, 2], [3, 4], [5, 6], [7, 8]])
注意:axis指定的维度(即拼接的维度)可以是不同的,但是axis之外的维度(其他维度)的长度必须是相同的。注意 concatenate 函数使用最广,必须在项目中熟练掌握。
参考资料 numpy中的hstack()、vstack()、stack()、concatenate()函数详解
以上就是Python数据分析之堆叠数组函数示例总结的详细内容,更多关于Python堆叠数组函数的资料请关注脚本之家其它相关文章!