3.4 数组操作

本节主要介绍对数组的变形、拼接、切分和复制等操作。

3.4.1 变形

　　关于数组的变形除了3.2节介绍的reshape()函数，NumPy还有其他操作变形的函数和方法，示例代码：

>>>a = np.random.randint(1, 10, size=(2, 6))>>>aarray([[2, 4, 3, 7, 4, 7],       [8, 7, 6, 1, 2, 5]])>>>np.ravel(a)array([2, 4, 3, 7, 4, 7, 8, 7, 6, 1, 2, 5])        #返回成行向量形式，原数组形状不变>>>aarray([[2, 4, 3, 7, 4, 7],       [8, 7, 6, 1, 2, 5]])>>>a.T        #返回数组a的转置矩阵，有返回值，原数组形状不变array([[2, 8],       [4, 7],       [3, 6],       [7, 1],       [4, 2],       [7, 5]])>>>aarray([[2, 4, 3, 7, 4, 7],       [8, 7, 6, 1, 2, 5]])>>>a.resize(6, 2)        >>>#与转置不同，resize()函数以行元素递进，依次按照参数要求进行重新排列，无返回值，原数组发生改变>>>aarray([[2, 4],       [3, 7],       [4, 7],       [8, 7],       [6, 1],       [2, 5]])>>>a.reshape(2, 6)        #与resize()功能相同，有返回值，原数组不变array([[2, 4, 3, 7, 4, 7],       [8, 7, 6, 1, 2, 5]])>>>aarray([[2, 4],       [3, 7],       [4, 7],       [8, 7],       [6, 1],       [2, 5]])

　　以上函数或方法的功能及相关注意事项，如下表所示：

名称 函数还是方法 功能 是否有返回值 原数组是否发生改变 ravel() 函数 转换成行向量 有 不变 a.T 方法 转置 有 不变 a.resize() 方法 数组变形 无 改变 a.reshape() 方法 数组变形 有 不变

3.4.2 拼接

　　两个数组合并成一个数组叫做拼接，根据方向不同，分为垂直拼接vstack()和水平拼接hstack()，示例代码：

>>>a = np.random.randint(1, 9, size = (2, 4))>>>aarray([[6, 3, 8, 2],       [4, 6, 4, 1]])>>>b = np.random.randint(1, 9, size = (3, 4))>>>barray([[2, 6, 2, 6],       [3, 5, 3, 5],       [6, 7, 1, 6]])>>>np.vstack((a, b))array([[6, 3, 8, 2],       [4, 6, 4, 1],       [2, 6, 2, 6],       [3, 5, 3, 5],       [6, 7, 1, 6]])>>>c = np.random.randint(1, 9, size = (3, 2))>>>carray([[6, 4],       [2, 5],       [4, 5]])>>>d = np.random.randint(1, 9, size = (3, 4))>>>darray([[5, 1, 1, 7],       [7, 4, 4, 1],       [4, 4, 7, 3]])>>>np.hstack((c, d))array([[6, 4, 5, 1, 1, 7],       [2, 5, 7, 4, 4, 1],       [4, 5, 4, 4, 7, 3]])

　　注意，垂直拼接中两个数组的列数目要保持一致，水平拼接中两个数组的行数目要保持一致，否则会报错。

3.4.3 切分

　　与拼接相对应的是vsplit()和hsplit()函数，即对数组进行垂直切分和水平切分，其中第一个参数是待切分的数组，第二个参数表示切分数组的个数。示例代码：

>>>a = np.random.randint(1, 100, size = (6, 2))>>>aarray([[28, 57],       [67, 37],       [36, 47],       [65, 51],       [26, 69],       [20, 17]])>>>np.hsplit(a, 3)[array([[28, 57],[67, 37]]), array([[36, 47],[65, 51]]), array([[26, 69],[20, 17]])]>>>b = np.random.randint(1, 100, size = (2, 6))>>>barray([[13,  4, 71, 86, 70, 99],       [81, 84, 75, 83, 44, 74]])>>>np.vsplit(b, 3)[array([[13,  4],[81, 84]]), array([[71, 86],[75, 83]]), array([[70, 99],[44, 74]])]

3.4.4 复制

　　探讨数组复制之前，先说明一下数组赋值，Python语言一切对象皆变量，其赋值的含义代表两变量共享同一块内存空间，这条原则对于数组赋值同样适用，当新赋值数组元素值发生改变时，原数组元素值同样发生改变。示例代码：

>>>a = np.array([[1, 2, 3], [4, 5, 6]])>>>aarray([[1, 2, 3],       [4, 5, 6]])>>>b = a>>>id(a)1366556467968 >>>id(b)            #id()函数指向同一个对象1366556467968>>>b[0, 2] = 555>>>aarray([[  1,   2, 555],       [  4,   5,   6]])

　　对于NumPy，分为浅复制和深复制两种，浅复制即创建原数组的视图view()，其功能与赋值类似，视图与原数组共享同一块内存，原数组的值随着视图的改变而改变，示例代码：

>>>a = np.array([[1, 2, 3], [4, 5, 6]])>>>v = a.view()>>>varray([[1, 2, 3],       [4, 5, 6]])>>>v[0, 2] = 23>>>aarray([[ 1,  2, 23],       [ 4,  5,  6]])

　　深复制使用NumPy中的copy()方法，其作用是创建一块新的内存空间给复制对象，即复制后的数组元素对原数组没有影响，示例代码：

>>>a = np.array([[1, 2, 3], [4, 5, 6]])>>>c = a.copy()>>>c[0, 2] = 23>>>aarray([[1, 2, 3],       [4, 5, 6]])

　　深复制也可以使用numpy.copy()函数，其作用与数组的copy()方法一致，示例代码：

>>>a = np.array([[1, 2, 3], [4, 5, 6]])>>>c = np.copy(a)>>>c[0, 2] = 23>>>carray([[ 1,  2, 23],       [ 4,  5,  6]])>>>aarray([[1, 2, 3],       [4, 5, 6]])