Python数据分析之堆叠数组函数示例总结

无人知晓的浪潮

numpy 堆叠数组

在做图像和 nlp 的数组数据处理的时候，经常需要实现两个数组堆叠或者连接的功能，这就需用到

1. numpy

复制代码

库的一些函数，numpy 库中的常用堆叠数组函数如下：

• 1. stack

  复制代码
  : Join a sequence of arrays along a new axis.
  
• 1. hstack

  复制代码
  : Stack arrays in sequence horizontally (column wise).
  
• 1. vstack

  复制代码
  : Stack arrays in sequence vertically (row wise).
  
• 1. dstack

  复制代码
  : Stack arrays in sequence depth wise (along third axis).
  
• 1. concatenate

  复制代码
  : Join a sequence of arrays along an existing axis.
  

ravel() 函数

ravel() 方法可让将多维数组展平成一维数组。如果不指定任何参数，ravel() 将沿着行（第 0 维/轴）展平/拉平输入数组。
示例代码如下:

1. std_array = np.random.normal(3, 2.5, size=(2, 4))
   
2. array1d = std_array.ravel()
   
3. print(std_array)
   
4. print(array1d)

复制代码

程序输出结果如下：

1. [[5.68301857 2.09696067 2.20833423 2.83964393] [2.38957339 9.66254303 1.58419716 2.82531094]] [5.68301857 2.09696067 2.20833423 2.83964393 2.38957339 9.66254303 1.58419716 2.82531094]

复制代码

stack() 函数

stack() 函数原型是 stack(arrays, axis=0, out=None)，功能是沿着给定轴连接数组序列，轴默认为第０维。
1，参数解析：

• arrays: 类似数组（数组、列表）的序列，这里的每个数组必须有相同的shape。
  
• axis: 默认为整形数据，axis决定了沿着哪个维度stack输入数组。
  

2，返回：

• stacked :
  1. ndarray

  复制代码
  类型。The stacked array has one more dimension than the input arrays.
  

实例如下：

1. import numpy as np
   
2. # 一维数组进行stack
   
3. a1 = np.array([1, 3, 4])    # shape (3,)
   
4. b1 = np.array([4, 6, 7])    # shape (3,)
   
5. c1 = np.stack((a,b))
   
6. print(c1)
   
7. print(c1.shape)    # (2,3)
   
8. # 二维数组进行堆叠
   
9. a2 = np.array([[1, 3, 5], [5, 6, 9]])    # shape (2,3)
   
10. b2 = np.array([[1, 3, 5], [5, 6, 9]])    # shape (2,3)
    
11. c2 = np.stack((a2, b2), axis=0)
    
12. print(c2)
    
13. print(c2.shape)

复制代码

输出为：

1. [[1 3 4] [4 6 7]]

复制代码

1. (2, 3)

复制代码

1. [[[1 3 5] [5 6 9]] [[1 3 5] [5 6 9]]] (2, 2, 3)

复制代码

可以看到，进行 stack 的两个数组必须有相同的形状，同时，输出的结果的维度是比输入的数组都要多一维的。我们拿第一个例子来举例，两个含 3 个数的一维数组在第 0 维进行堆叠，其过程等价于先给两个数组增加一个第0维，变为1*3的数组，再在第 0 维进行

1. concatenate()

复制代码

操作：

1. a = np.array([1, 3, 4])
   
2. b = np.array([4, 6, 7])
   
3. a = a[np.newaxis,:]
   
4. b = b[np.newaxis,:]
   
5. np.concatenate([a,b],axis=0)

复制代码

输出为：

1. array([[1, 2, 3],       [2, 3, 4]])

复制代码

vstack()函数

vstack函数原型是vstack(tup)，功能是垂直的（按照行顺序）堆叠序列中的数组。tup是数组序列(元组、列表、数组)，数组必须在所有轴上具有相同的shape，除了第一个轴。1-D arrays must have the same length.

1. # 一维数组
   
2. a = np.array([1, 2, 3])
   
3. b = np.array([2, 3, 4])
   
4. np.vstack((a,b))

复制代码

1. array([[1, 2, 3], [2, 3, 4]])

复制代码

1. # 二维数组
   
2. a = np.array([[1], [2], [3]])
   
3. b = np.array([[2], [3], [4]])
   
4. np.vstack((a,b))

复制代码

1. array([[1], [2], [3], [2], [3], [4]])

复制代码

hstack()函数

hstack()的函数原型：hstack(tup) ，参数tup可以是元组，列表，或者numpy数组，返回结果为numpy的数组。它其实就是**水平(按列顺序)**把数组给堆叠起来，与vstack()函数正好相反。举几个简单的例子：

1. # 一维数组
   
2. a = np.array([1, 2, 3])
   
3. b = np.array([2, 3, 4])
   
4. np.hstack((a,b))

复制代码

1. array([1, 2, 3, 2, 3, 4])

复制代码

1. # 二维数组
   
2. a = np.array([[1], [2], [3]])
   
3. b = np.array([[2], [3], [4]])
   
4. np.hstack((a,b))

复制代码

1. array([[1, 2], [2, 3], [3, 4]])

复制代码

vstack()和hstack函数对比：
这里的v是vertically的缩写，代表垂直（沿着行）堆叠数组，这里的h是horizontally的缩写，代表水平（沿着列）堆叠数组。 tup是数组序列(元组、列表、数组)，数组必须在所有轴上具有相同的shape，除了第一个轴。

concatenate() 函数

concatenate()函数功能齐全，理论上可以实现上面三个函数的功能，concatenate()函数根据指定的维度，对一个元组、列表中的list或者ndarray进行连接，函数原型：

1. numpy.concatenate((a1, a2, ...), axis=0)

复制代码

1. a = np.array([[1, 2], [3，4]])　　　　　　　　　　　　　　　
   
2. b = np.array([[5, 6], [7, 8]])
   
3. # a、b的shape为（2,2），连接第一维就变成（4,2），连接第二维就变成（2,4）
   
4. np.concatenate((a, b), axis=0)

复制代码

1. array([[1, 2], [3, 4], [5, 6], [7, 8]])

复制代码

注意：axis指定的维度（即拼接的维度）可以是不同的，但是axis之外的维度（其他维度）的长度必须是相同的。注意 concatenate 函数使用最广，必须在项目中熟练掌握。
参考资料 numpy中的hstack()、vstack()、stack()、concatenate()函数详解
以上就是Python数据分析之堆叠数组函数示例总结的详细内容，更多关于Python堆叠数组函数的资料请关注脚本之家其它相关文章！

来源:https://www.jb51.net/article/276277.htm
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！