06 numpy ndarray转置与轴兑换、拉升与合并

== 数组的转置与轴对换 ==

np1 = np.arange(0,40).reshape(10,4)
print(np1)

[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11] [12 13 14 15] [16 17 18 19] [20 21 22 23] [24 25 26 27] [28 29 30 31] [32 33 34 35] [36 37 38 39]]

转置 两种方法等价 transpose T

np1.transpose()
np1.T

array([[ 0, 4, 8, 12, 16, 20, 24, 28, 32, 36], [ 1, 5, 9, 13, 17, 21, 25, 29, 33, 37], [ 2, 6, 10, 14, 18, 22, 26, 30, 34, 38], [ 3, 7, 11, 15, 19, 23, 27, 31, 35, 39]])

=== 合并 stack ===

scores1 = np.array([[70,80,90],
                    [77,88,99],
                    [11,22,33]])
scores2 = np.array([[90,90,90],
                    [100,100,100],
                    [80,80,80]])
np.stack([scores1,scores2])

stack将两个二维数组,合并成了一个三维的数组
array([[[ 70, 80, 90], [ 77, 88, 99], [ 11, 22, 33]],
[[ 90, 90, 90], [100, 100, 100], [ 80, 80, 80]]])

stack

注意:

np.stack([scores1,scores2] , axis=?)

axis=?
如果?=0 那么把两个数组直接合并到一起
如果?=2 那么把每一行的列放到一起合并

= 合并 vstack 垂直堆叠 =

scores1 = np.array([[70,80,90],
                    [77,88,99],
                    [11,22,33]])
scores2 = np.array([[90,90,90],
                    [100,100,100],
                    [80,80,80]])
np.vstack([scores1,scores2])

array([
[ 70, 80, 90],
[ 77, 88, 99],
[ 11, 22, 33],
[ 90, 90, 90],
[100, 100, 100],
[ 80, 80, 80]
])

= 合并 hstack 水平堆叠 =

scores1 = np.array([[70,80,90],
                    [77,88,99],
                    [11,22,33]])
scores2 = np.array([[90,90,90],
                    [100,100,100],
                    [80,80,80]])
np.hstack([scores1,scores2])

array([
[ 70, 80, 90, 90, 90, 90],
[ 77, 88, 99, 100, 100, 100],
[ 11, 22, 33, 80, 80, 80]
])

=== 拉伸 tile ===

scores = np.array([[90,90,90],
                    [100,100,100],
                    [80,80,80]])

=== 横向拉升 ===

np.tile(scores,2)

[[ 90, 90, 90, 90, 90, 90],
[100, 100, 100, 100, 100, 100], [ 80, 80, 80, 80, 80, 80]]`

=== 纵横同时拉升 ===

np.tile(scores,[2,2])

[[ 90, 90, 90, 90, 90, 90],
[100, 100, 100, 100, 100, 100],
[ 80, 80, 80, 80, 80, 80],
[ 90, 90, 90, 90, 90, 90],
[100, 100, 100, 100, 100, 100],
[ 80, 80, 80, 80, 80, 80]])

=== 纵向拉升 ===

np.tile(scores,[2,1])

[[ 90, 90, 90],
[100, 100, 100],
[ 80, 80, 80],
[ 90, 90, 90],
[100, 100, 100],
[ 80, 80, 80]]

最后编辑于
©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 216,997评论 6 502
  • 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 92,603评论 3 392
  • 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 163,359评论 0 353
  • 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 58,309评论 1 292
  • 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 67,346评论 6 390
  • 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 51,258评论 1 300
  • 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 40,122评论 3 418
  • 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 38,970评论 0 275
  • 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 45,403评论 1 313
  • 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 37,596评论 3 334
  • 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 39,769评论 1 348
  • 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 35,464评论 5 344
  • 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 41,075评论 3 327
  • 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 31,705评论 0 22
  • 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 32,848评论 1 269
  • 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 47,831评论 2 370
  • 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 44,678评论 2 354