python数据分析-numpy模块基础知识（5）

呀~博主是正在学习数据分析的一员，记录的是自己学习过程中总结的知识点，肯定有不完善的地方，如有问题可以私聊我改正，共同学习进步。希望大家都能保持学习的热情，坚持自己，不断超越自己！
博客地址：qxi的博客

前面已经介绍了：
numpy模块基础知识(1)
numpy模块基础知识(2)
numpy模块基础知识(3)
numpy模块基础知识(4)
#今天这篇文章主要介绍的是array的合并，分割以及复制#

1. array的合并

np.vstack((A,B))表示上下合并,即按列方向，也可以用: np.concatenate((A,B),axist=0)
np.hstack((A,B)) 表示左右合并，即按行方向,也可以用: np.concatenate((A,B),axist=1)

例子中A，B是一维数组（这里称为序列），不是矩阵（注意：np.array([[1],[1],[1]])这种形式才是矩阵，标志是有两个中括号）
A与B左右合并也是序列，上下合并就变成2行3列的矩阵了，具体看例子：

import numpy as np
A=np.array([1,1,1])   #A序列，元素有3个
B=np.array([2,2,2])   #B序列
C=np.vstack((A,B))   #上下合并,即按列方向
D=np.hstack((A,B))   #k左右合并，即按行方向
print(C)   #C矩阵
print(D)   #D序列
print(A.shape,C.shape,D.shape)

运行结果：

[[1 1 1]
 [2 2 2]] #上下合并变矩阵,2行3列
[1 1 1 2 2 2] #左右合并还是序列，即一维数组，元素有6个
(3,) (2, 3) (6,) #从这里就可以看出维度了

2. array的分割

①等量分割
同样也是有两种方式：
np.vspilt(array,n)表示纵向分割成n块，即上下方向，或者用：np.split(array,n,axis=0)，axis=0表示按列（前面文章讲过）；
np.hspilt(array,n)表示横向分割成n块，即左右方向，或者用：np.split(array,n,axis=1)，axis=1表示按行

import numpy as np
A=np.arange(12).reshape((3,4))
print(A)
print(np.vsplit(A,3)) #纵向分割，上下方向
print(np.split(A,3,axis=0)) #按列方向，即纵向分割
print(np.hsplit(A,2)) #横向分割，左右方向
print(np.split(A,2,axis=1)) #按行方向，即横向分割

运行结果：

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
[array([[0, 1, 2, 3]]), array([[4, 5, 6, 7]]), array([[ 8,
 9, 10, 11]])]   #np.vsplit(A,3)结果
 [array([[0, 1, 2, 3]]), array([[4, 5, 6, 7]]), array([[ 8,
 9, 10, 11]])]  #np.split(A,3,axis=0)结果跟上面一样
[array([[0, 1],
       [4, 5],
       [8, 9]]), array([[ 2,  3],
       [ 6,  7],
       [10, 11]])  #np.hsplit(A,2)结果
 [array([[0, 1],
       [4, 5],
       [8, 9]]), array([[ 2,  3],
       [ 6,  7],
       [10, 11]])] #np.split(A,2,axis=1)结果跟上面一样

②不等量分割
利用的函数是np.array_split()函数

import numpy as np
A=np.arange(12).reshape((3,4))
print(A)
print(np.array_split(A,3,axis=1)) #不等量分割

运行结果：

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
[array([[0, 1],
       [4, 5],
       [8, 9]]), array([[ 2],
       [ 6],
       [10]]), array([[ 3],
       [ 7],
       [11]])]

3. array的复制

完全一样的复制，直接用赋值符合“=”；这里b就是a本身了，只要a一改变，b就会跟着改变

import numpy as np
a=np.arange(4)
print(a)
b=a
print(b is a) #b就是a本身，完全一样
a[3]=4 #改变a
print(b) #a改变，b也会跟着变的

运行结果：

[0 1 2 3]  #a
True #是一样的
[0 1 2 4]  #b也跟着改变了

如果只是复制内容而已，相当于新建一个，而不是关联起来，用copy()函数，这个时候a改变了但是b不会跟着变了

import numpy as np
a=np.arange(4)
print(a)
b=a.copy() #复制a的内容新建一个b
print(b)
a[3]=4 #改变a
print(a) #改变后的a
print(b) #b不会跟着变了

运行结果：

[0 1 2 3]  #原来的a
[0 1 2 3]  #复制之后的b
[0 1 2 4]  #改变后的a
[0 1 2 3]  #a改变，b不会跟着变

好啦~numpy基础知识就告一段落了，后期的学习中如果发现新的知识点我会回来补充的，也欢迎大家一起讨论学习！
点赞点赞~

本文地址：https://blog.csdn.net/hswqxi/article/details/107357363