Python数据分析学习笔记二

一、NumPy初识（2）

---

4、数组的组合

NumPy中的数组组合有水平组合、垂直组合、深度组合和列组合等多种组合方式。

水平组合：

使用hstack()函数可以完成数组的水平拼接，例:

import numpy as npa1 = np.arange(9).reshape(3,3)print a1a2 = a1 * 2print a2b = np.hstack((a1,a2))print b

输出结果：

[[0 1 2] [3 4 5] [6 7 8]][[ 0  2  4] [ 6  8 10] [12 14 16]][[ 0  1  2  0  2  4] [ 3  4  5  6  8 10] [ 6  7  8 12 14 16]]

由上面的代码可以得到，所谓水平组合，就是将数组a1，a2的每一行进行拼接得到一行，数组的行数不变，列数增加
上面的效果也可以使用concatenate函数实现

import numpy as npa1 = np.arange(9).reshape(3,3)print a1a2 = a1 * 2print a2b = np.concatenate((a1,a2),axis=1)print b

输出效果与上一个程序一样，需要注意的是，在这两个函数内需要传入的都是Python的元组，所以应该在a1，a2外加上括号（）；

垂直组合：

由上面的程序效果可以推导出，所谓的垂直组合就是将两个数组的每一列进行拼接，数组的列数不变，行数增加，例如：

import numpy as npa1 = np.arange(9).reshape(3,3)print a1a2 = a1 * 2print a2b = np.vstack((a1,a2))print b

输出结果:

[[0 1 2] [3 4 5] [6 7 8]][[ 0  2  4] [ 6  8 10] [12 14 16]][[ 0  1  2] [ 3  4  5] [ 6  7  8] [ 0  2  4] [ 6  8 10] [12 14 16]]

同样，在这里我们也可以使用concatenate函数进行实现，只需要将axis的参数设置为0就可以了，例：

import numpy as npa1 = np.arange(9).reshape(3,3)print a1a2 = a1 * 2print a2b = np.concatenate((a1,a2),axis=0)print b

深度组合：

import numpy as npa1 = np.arange(9).reshape(3,3)print a1a2 = a1 * 2print a2b = np.dstack((a1,a2))print b.shapeprint b

输出结果：

[[0 1 2] [3 4 5] [6 7 8]][[ 0  2  4] [ 6  8 10] [12 14 16]](3, 3, 2)[    [        [ 0  0]        [ 1  2]        [ 2  4]    ]    [        [ 3  6]        [ 4  8]        [ 5 10]    ]    [        [ 6 12]        [ 7 14]        [ 8 16]    ]]

可以看出，深度组合不仅进行了数组的组合，还改变了数组的维度，也就是将一系列数组沿着纵轴（深度）方向进行层叠组合。也就是组合成为一个z轴为2，x轴3，y轴为3的三维数组。

列组合

import numpy as npa1 = np.arange(9).reshape(3,3)print a1a2 = a1 * 2print a2b = np.column_stack((a1,a2))print b.shapeprint b

输出结果:

[[0 1 2] [3 4 5] [6 7 8]][[ 0  2  4] [ 6  8 10] [12 14 16]](3, 6)[[ 0  1  2  0  2  4] [ 3  4  5  6  8 10] [ 6  7  8 12 14 16]]

显示结果可以看到，实际上对于二维数组而言，hstack 和column_stack的效果是一样的。
但是对于一位数组来说，则会将两个数组覆盖成为一个二维数组，将每一个数组的每一列一一对应组成二维数组的一列，例：

import numpy as npa1 = np.arange(10)a2 = np.arange(1,11)b = np.column_stack((a1,a2))print b.shapeprint b

输出结果：

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

行组合：
行组合的特性与列组合是一致的，可以通过下面的例子比较一下：

一维数组：

import numpy as npa1 = np.arange(10)a2 = np.arange(1,11)b = np.row_stack((a1,a2))print b.shapeprint b

输出结果：

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

二维数组：

import numpy as npa1 = np.arange(9).reshape(3,3)print a1a2 = a1 * 2print a2b = np.row_stack((a1,a2))print b.shapeprint b

输出结果：

[[0 1 2] [3 4 5] [6 7 8]][[ 0  2  4] [ 6  8 10] [12 14 16]](6, 3)[[ 0  1  2] [ 3  4  5] [ 6  7  8] [ 0  2  4] [ 6  8 10] [12 14 16]]