numpy和pandas中数组的合并和拆分

合并

numpy中

numpy中可以通过concatenate，指定参数axis=0 或者 axis=1，在纵轴和横轴上合并两个数组。

import numpy as npimport pandas as pdarr1=np.ones((3,5))arr1Out[5]: array([[ 1.,  1.,  1.,  1.,  1.],       [ 1.,  1.,  1.,  1.,  1.],       [ 1.,  1.,  1.,  1.,  1.]])arr2=np.random.randn(15).reshape(arr1.shape)arr2Out[8]: array([[-0.09666833,  1.47064828, -1.94608976,  0.2651279 , -0.32894787],       [ 1.01187699,  0.39171167,  1.49607091,  0.79216196,  0.33246644],       [ 1.71266238,  0.86650837,  0.77830394, -0.90519422,  1.55410056]])np.concatenate([arr1,arr2],axis=0) #在纵轴上合并Out[9]: array([[ 1.        ,  1.        ,  1.        ,  1.        ,  1.        ],       [ 1.        ,  1.        ,  1.        ,  1.        ,  1.        ],       [ 1.        ,  1.        ,  1.        ,  1.        ,  1.        ],       [-0.09666833,  1.47064828, -1.94608976,  0.2651279 , -0.32894787],       [ 1.01187699,  0.39171167,  1.49607091,  0.79216196,  0.33246644],       [ 1.71266238,  0.86650837,  0.77830394, -0.90519422,  1.55410056]])np.concatenate([arr1,arr2],axis=1) #在横轴上合并Out[10]: array([[ 1.        ,  1.        ,  1.        , ..., -1.94608976,         0.2651279 , -0.32894787],       [ 1.        ,  1.        ,  1.        , ...,  1.49607091,         0.79216196,  0.33246644],       [ 1.        ,  1.        ,  1.        , ...,  0.77830394,        -0.90519422,  1.55410056]])np.hstack([arr1,arr2]) # 水平 horizon np.vstack([arr1,arr2]) # 垂直 vertical       

pandas中

pandas中通过concat方法实现合并，指定参数axis=0 或者 axis=1，在纵轴和横轴上合并两个数组。与numpy不同，这里的两个dataframe要放在一个列表中，即[frame1,frame2]

from pandas import DataFrameframe1=DataFrame([[1,2,3],[4,5,6]])frame2=DataFrame([[7,8,9],[10,11,12]])pd.concat([frame1,frame2],ignore_index=True) # 合并的数组是一个可迭代的列表。Out[25]:     0   1   20   1   2   31   4   5   60   7   8   91  10  11  12pd.concat([frame1,frame2],axis=1,ignore_index=True)Out[27]:    0  1  2   3   4   50  1  2  3   7   8   91  4  5  6  10  11  12

拆分

默认情况下，Numpy数组是按行优先顺序创建。在空间方面，这就意味着，对于一个二维数字，每行中的数据项是存放在内在中相邻的位置上的。另一种顺序是列优先。

由于历史原因，行优先和列优先又分别被称为C和Fortran顺序。在Numpy中，可以通过关键字参数order=’C’ 和order=’F’ 来实现行优先和列优先。

arr=np.arange(15).reshape(3,-1)arrOut[29]: array([[ 0,  1,  2,  3,  4],       [ 5,  6,  7,  8,  9],       [10, 11, 12, 13, 14]])arr.ravel('F') #按照列优先，扁平化。Out[30]: array([ 0,  5, 10, ...,  4,  9, 14])arr.ravel()Out[31]: array([ 0,  1,  2, ..., 12, 13, 14])arr.reshape((5,3),order='F') # Fortran 顺序Out[32]: array([[ 0, 11,  8],       [ 5,  2, 13],       [10,  7,  4],       [ 1, 12,  9],       [ 6,  3, 14]]) arr.reshape((5,3),order='C') Out[33]: array([[ 0,  1,  2],       [ 3,  4,  5],       [ 6,  7,  8],       [ 9, 10, 11],       [12, 13, 14]])