NumPy数组(堆叠数组)

堆叠数组

从深度看,数组既可以横向叠放,也可以竖向叠放

首先建立某些数组

In [19]: a = np.arange(9).reshape(3,3)

In [20]: a
Out[20]: 
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

In [21]: b = a * 2

In [22]: b
Out[22]: 
array([[ 0,  2,  4],
       [ 6,  8, 10],
       [12, 14, 16]])

  • 水平叠加(hstack)
    • 首先用元祖确定数组的形状,然后由hstack()函数处理数组

          In [26]: np.hstack((a,b))
          Out[26]: 
          array([[ 0,  1,  2,  0,  2,  4],
              [ 3,  4,  5,  6,  8, 10],
              [ 6,  7,  8, 12, 14, 16]])
    
    • 使用concatenate()也能达到同样的效果

         In [27]: np.concatenate((a,b), axis=1)
         Out[27]: 
         array([[ 0,  1,  2,  0,  2,  4],
             [ 3,  4,  5,  6,  8, 10],
             [ 6,  7,  8, 12, 14, 16]])
    
  • 垂直叠加(vstack)
    • 首先用元祖确定数组的形状,然后由vstack()函数处理数组

         In [28]: np.vstack((a,b))
         Out[28]: 
         array([[ 0,  1,  2],
                [ 3,  4,  5],
                [ 6,  7,  8],
                [ 0,  2,  4],
                [ 6,  8, 10],
                [12, 14, 16]])
    
    • 当axis值为0时,concatenate()函数也能达到同样的效果.实际上,这是该函数的缺省值

          In [29]: np.concatenate((a,b), axis=0)
          Out[29]: 
          array([[ 0,  1,  2],
                 [ 3,  4,  5],
                 [ 6,  7,  8],
                 [ 0,  2,  4],
                 [ 6,  8, 10],
                 [12, 14, 16]])
    
  • 深度叠加(dtsack)

    这要用到dtsack()函数和一个元祖.这种方法是沿着第三个坐标轴(纵向)的方向来叠加一摞数组.可以在一个图像数据的二维码数组上叠加另一幅图像的数据

      In [30]: np.dstack((a,b))
      Out[30]: 
      array([[[ 0,  0],
              [ 1,  2],
              [ 2,  4]],
    
             [[ 3,  6],
              [ 4,  8],
              [ 5, 10]],
    
             [[ 6, 12],
              [ 7, 14],
              [ 8, 16]]])
    
  • 列式堆叠(column_stack)

    column_stack()函数以列方式对一维数组进行堆叠

      In [31]: oned = np.arange(2)
    
      In [32]: oned
      Out[32]: array([0, 1])
    
      In [33]: twice_oned = oned * 2
    
      In [34]: twice_oned
      Out[34]: array([0, 2])
    
      In [35]: np.column_stack((oned,twice_oned))
      Out[35]: 
      array([[0, 0],
             [1, 2]])
    
    使用这张方法堆叠数组,过程类似于hstack()函数
    In [36]: np.column_stack((a,b))
    Out[36]: 
    array([[ 0,  1,  2,  0,  2,  4],
           [ 3,  4,  5,  6,  8, 10],
           [ 6,  7,  8, 12, 14, 16]])
    
    In [37]: np.column_stack((a,b)) == np.hstack((a,b))
    Out[37]: 
    array([[ True,  True,  True,  True,  True,  True],
           [ True,  True,  True,  True,  True,  True],
           [ True,  True,  True,  True,  True,  True]], 
           dtype=bool)
    
  • 行式堆叠(row_stack)

    row_stack()函数它将数组作为行码放到二维数组中

      In [38]: np.row_stack((oned,twice_oned))
      Out[38]: 
      array([[0, 1],
          [0, 2]])
    
      In [39]: np.row_stack((a,b))
      Out[39]: 
      array([[ 0,  1,  2],
             [ 3,  4,  5],
             [ 6,  7,  8],
             [ 0,  2,  4],
             [ 6,  8, 10],
             [12, 14, 16]])
    
      In [40]: np.row_stack((a,b)) == np.vstack((a,b))
      Out[40]: 
      array([[ True,  True,  True],
             [ True,  True,  True],
             [ True,  True,  True],
             [ True,  True,  True],
             [ True,  True,  True],
             [ True,  True,  True]],
             dtype=bool)
    

结束语

如果您对这篇文章有什么意见或者建议,请评论与我讨论.
如果您觉得还不错的话~可以点个喜欢鼓励我哦.
如果您想和我一起学习,请毫不吝啬的私信我吧~

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,423评论 6 491
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,147评论 2 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,019评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,443评论 1 283
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,535评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,798评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,941评论 3 407
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,704评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,152评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,494评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,629评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,295评论 4 329
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,901评论 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,742评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,978评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,333评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,499评论 2 348

推荐阅读更多精彩内容

  • 基础篇NumPy的主要对象是同种元素的多维数组。这是一个所有的元素都是一种类型、通过一个正整数元组索引的元素表格(...
    oyan99阅读 5,115评论 0 18
  • 先决条件 在阅读这个教程之前,你多少需要知道点python。如果你想从新回忆下,请看看Python Tutoria...
    舒map阅读 2,570评论 1 13
  • NumPy是Python中关于科学计算的一个类库,在这里简单介绍一下。 来源:https://docs.scipy...
    灰太狼_black阅读 1,224评论 0 5
  • 理发从来不是一锤子买卖,能找到一家心仪的理发店,能遇到懂头发的发型师都是不可多得的。小编的头发算是很难搞的,天生带...
    奔跑的河马阅读 192评论 0 0
  • 网络请求和本地缓存-HttpRequest 备注: 使用YYCache缓存数据 网络请求和本地缓存.png SDK...
    默默_David阅读 457评论 0 2