首頁  >  文章  >  後端開發  >  numpy數組拼接簡單範例_python

numpy數組拼接簡單範例_python

韦小宝
韦小宝原創
2017-12-16 13:06:112293瀏覽

這篇文章主要介紹了numpy數組拼接簡單範例,涉及對numpy數組的介紹,numpy數組的屬性等內容,具有一定借鑒價值,需要的朋友可以參考下。

NumPy數組是一個多維數組對象,稱為ndarray。其由兩部分組成:

·實際的資料

·描述這些資料的元資料

大部分運算僅針對於元數據,而不改變底層實際的數據。

關於NumPy陣列有幾點必需了解的:

·NumPy陣列的下標從0開始。

·同一個NumPy陣列中所有元素的型別必須是相同的。

NumPy陣列屬性

在詳細介紹NumPy陣列之前。先詳細介紹下NumPy數組的基本屬性。 NumPy數組的維數稱為秩(rank),一維數組的秩為1,二維數組的秩為2,以此類推。在NumPy中,每一個線性的陣列稱為是一個軸(axes),秩其實是描述軸的數量。比如說,二維數組相當於兩個一維數組,其中第一個一維數組中每個元素又是一個一維數組。所以一維數組就是NumPy中的軸(axes),第一個軸相當於底層數組,第二個軸是底層數組裡的數組。而軸的數量——秩,就是數組的維數。

NumPy的陣列中比較重要ndarray物件屬性有:

1.ndarray.ndim:陣列的維度(即陣列軸的個數),等於秩。最常見的為二維數組(矩陣)。

2.ndarray.shape:陣列的維度。為一個表示數組在每個維度上大小的整數元組。例如二維數組中,表示數組的“行數”和“列數”。 ndarray.shape傳回一個元組,這個元組的長度就是維度的數目,即ndim屬性。

3.ndarray.size:陣列元素的總個數,等於shape屬性中元組元素的乘積。

4.ndarray.dtype:表示數組中元素類型的對象,可使用標準的Python類型建立或指定dtype。另外也可使用前一篇文章中介紹的NumPy提供的資料類型。

5.ndarray.itemsize:陣列中每個元素的位元組大小。例如,一個元素類型為float64的陣列itemsiz屬性值為8(float64佔用64個bits,每個位元組長度為8,所以64/8,佔用8個位元組),又如,一個元素類型為complex32的數組item屬性為4(32/8)。

6.ndarray.data:包含實際陣列元素的緩衝區,由於一般透過陣列的索引來取得元素,所以通常不需要使用這個屬性。

陣列拼接方法一

想法:先將陣列轉成列表,然後再利用列表的拼接函數append()、extend()等進行拼接處理,最後將清單轉成陣列。

範例1:


>>> import numpy as np
>>> a=np.array([1,2,5])
>>> b=np.array([10,12,15])
>>> a_list=list(a)
>>> b_list=list(b)
>>> a_list.extend(b_list)
>>> a_list
[1, 2, 5, 10, 12, 15]
>>> a=np.array(a_list)
>>> a
array([ 1, 2, 5, 10, 12, 15])


#此方法只適用於簡單的一維陣列拼接,由於轉換過程很耗時間,對於大量資料的拼接一般不建議使用。

陣列拼接方法二

想法:numpy提供了numpy.append(arr,values,axis=None)函數。對於參數規定,要麼一個數組和一個數值;要麼兩個數組,不能三個以上數組直接append拼接。 append函數傳回的總是一個一維數組。

範例2:


>>> a=np.arange(5)
>>> a
array([0, 1, 2, 3, 4])
>>> np.append(a,10)
array([ 0, 1, 2, 3, 4, 10])
>>> a
array([0, 1, 2, 3, 4])
 
>>> b=np.array([11,22,33])
>>> b
array([11, 22, 33])
>>> np.append(a,b)
array([ 0, 1, 2, 3, 4, 11, 22, 33])
 
>>> a
array([[1, 2, 3],
    [4, 5, 6]])
>>> b=np.array([[7,8,9],[10,11,12]])
>>> b
array([[ 7, 8, 9],
    [10, 11, 12]])
>>> np.append(a,b)
array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])


#numpy的陣列沒有動態改變大小的功能,numpy.append()函數每次都會重新分配整個數組,並把原來的數組複製到新數組中。

陣列拼接方法三

想法:numpy提供了numpy.concatenate((a1,a2,...),axis=0 )函數。能夠一次完成多個數組的拼接。其中a1,a2,...是陣列類型的參數

範例3:


#
>>> a=np.array([1,2,3])
>>> b=np.array([11,22,33])
>>> c=np.array([44,55,66])
>>> np.concatenate((a,b,c),axis=0) # 默认情况下,axis=0可以不写
array([ 1, 2, 3, 11, 22, 33, 44, 55, 66]) #对于一维数组拼接,axis的值不影响最后的结果
 
>>> a=np.array([[1,2,3],[4,5,6]])
>>> b=np.array([[11,21,31],[7,8,9]])
>>> np.concatenate((a,b),axis=0)
array([[ 1, 2, 3],
    [ 4, 5, 6],
    [11, 21, 31],
    [ 7, 8, 9]])
>>> np.concatenate((a,b),axis=1) #axis=1表示对应行的数组进行拼接
array([[ 1, 2, 3, 11, 21, 31],
    [ 4, 5, 6, 7, 8, 9]])


對numpy. append()和numpy.concatenate()兩個函數的運行時間進行比較

範例4:


##

>>> from time import clock as now
>>> a=np.arange(9999)
>>> b=np.arange(9999)
>>> time1=now()
>>> c=np.append(a,b)
>>> time2=now()
>>> print time2-time1
28.2316728446
>>> a=np.arange(9999)
>>> b=np.arange(9999)
>>> time1=now()
>>> c=np.concatenate((a,b),axis=0)
>>> time2=now()
>>> print time2-time1
20.3934997107


可知,concatenate()效率更高,適合大規模的資料拼接

總結

以上就是本文關於numpy數組拼接簡單範例的全部內容,希望對大家有幫助。有興趣的朋友可以繼續參考本站:

相關推薦:

Python程式設計給numpy矩陣新增一列方法範例

Python基於numpy模組建立對稱矩陣的方法

python之numpy庫

########################################################### #

以上是numpy數組拼接簡單範例_python的詳細內容。更多資訊請關注PHP中文網其他相關文章!

陳述:
本文內容由網友自願投稿,版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容,請聯絡admin@php.cn