腳本之家服務器常用軟件

快捷導航

深入理解NumPy簡明教程---數組3（組合）

更新時間：2016年12月17日 15:49:52 作者：Daetalus

本篇文章對NumPy數組進行較深入的探討。首先介紹自定義類型的數組，接著數組的組合，最后介紹數組復制方面的問題，有興趣的可以了解一下。

前兩篇文章對NumPy數組做了基本的介紹，本篇文章對NumPy數組進行較深入的探討。首先介紹自定義類型的數組，接著數組的組合，最后介紹數組復制方面的問題。

自定義結構數組

通過NumPy也可以定義像C語言那樣的結構類型。在NumPy中定義結構的方法如下：

定義結構類型名稱；定義字段名稱，標明字段數據類型。

student= dtype({'names':['name', 'age', 'weight'], 'formats':['S32', 'i','f']}, align = True)

這里student是自定義結構類型的名稱，使用dtype函數創(chuàng)建，在第一個參數中，'names'和'formats'不能改變，names中列出的是結構中字段名稱，formats中列出的是對應字段的數據類型。S32表示32字節(jié)長度的字符串，i表示32位的整數，f表示32位長度的浮點數。最后一個參數為True時，表示要求進行內存對齊。

字段中使用NumPy的字符編碼來表示數據類型。更詳細的數據類型見下表。

數據類型	字符編碼
整數	i
無符號整數	u
單精度浮點數	f
雙精度浮點數	d
布爾值	b
復數	D
字符串	S
Unicode	U
Void	V

在定義好結構類型之后，就可以定義以該類型為元素的數組了：

a= array([(“Zhang”, 32, 65.5), (“Wang”, 24, 55.2)], dtype =student)

除了在每個元素中依次列出對應字段的數據外，還需要在array函數中最后一個參數指定其所對應的數據類型。

注：例子來源于張若愚的Python科學計算藝術的29頁。更多關于dtype的內容請參考《NumPy for Beginner》一書的第二章。

組合函數

這里介紹以不同的方式組合函數。首先創(chuàng)建兩個數組：

>>> a = arange(9).reshape(3,3) 
>>> a 
array([[0, 1, 2], 
   [3, 4, 5], 
   [6, 7, 8]]) 
>>> b = 2 * a 
>>> b 
array([[ 0, 2, 4], 
  [ 6, 8, 10], 
  [12, 14, 16]])

水平組合

>>> hstack((a, b)) 
array([[ 0, 1, 2, 0, 2, 4], 
  [ 3, 4, 5, 6, 8, 10], 
  [ 6, 7, 8, 12, 14, 16]])

也可通過concatenate函數并指定相應的軸來獲得這一效果：

>>> concatenate((a, b), axis=1) 
array([[ 0, 1, 2, 0, 2, 4], 
  [ 3, 4, 5, 6, 8, 10], 
  [ 6, 7, 8, 12, 14, 16]])

垂直組合

>>> vstack((a, b)) 
array([[ 0, 1, 2], 
  [ 3, 4, 5], 
  [ 6, 7, 8], 
  [ 0, 2, 4], 
  [ 6, 8, 10], 
  [12, 14, 16]])

同樣，可通過concatenate函數，并指定相應的軸來獲得這一效果。

>>> concatenate((a, b), axis=0) 
array([[ 0, 1, 2], 
  [ 3, 4, 5], 
  [ 6, 7, 8], 
  [ 0, 2, 4], 
  [ 6, 8, 10], 
  [12, 14, 16]])

深度組合

另外，還有深度方面的組合函數dstack。顧名思義，就是在數組的第三個軸（即深度）上組合。如下：

>>> dstack((a, b)) 
array([[[ 0, 0], 
  [ 1, 2], 
  [ 2, 4]], 
 
  [[ 3, 6], 
  [ 4, 8], 
  [ 5, 10]], 
 
  [[ 6, 12], 
  [ 7, 14], 
  [ 8, 16]]])

仔細觀察，發(fā)現對應的元素都組合成一個新的列表，該列表作為新的數組的元素。

行組合

行組合可將多個一維數組作為新數組的每一行進行組合：

>>> one = arange(2) 
>>> one 
array([0, 1]) 
>>> two = one + 2 
>>> two 
array([2, 3]) 
>>> row_stack((one, two)) 
array([[0, 1], 
  [2, 3]])

對于2維數組，其作用就像垂直組合一樣。

列組合

列組合的效果應該很清楚了。如下：

>>> column_stack((oned, twiceoned)) 
array([[0, 2], 
  [1, 3]])

對于2維數組，其作用就像水平組合一樣。

分割數組

在NumPy中，分割數組的函數有hsplit、vsplit、dsplit和split?？蓪到M分割成相同大小的子數組，或指定原數組分割的位置。

水平分割

>>> a = arange(9).reshape(3,3) 
>>> a 
array([[0, 1, 2], 
  [3, 4, 5], 
  [6, 7, 8]]) 
>>> hsplit(a, 3) 
[array([[0], 
  [3], 
  [6]]), 
 array([[1], 
  [4], 
  [7]]), 
 array([[2], 
  [5], 
  [8]])]

也調用split函數并指定軸為1來獲得這樣的效果：

split(a, 3, axis=1)

垂直分割

垂直分割是沿著垂直的軸切分數組：

>>> vsplit(a, 3) 
>>> [array([[0, 1, 2]]), array([[3, 4, 5]]), array([[6, 7, 8]])]

同樣，也可通過solit函數并指定軸為1來獲得這樣的效果：

>>> split(a, 3, axis=0)

面向深度的分割

dsplit函數使用的是面向深度的分割方式：

>>> c = arange(27).reshape(3, 3, 3) 
>>> c 
array([[[ 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]]]) 
>>> dsplit(c, 3) 
[array([[[ 0], 
  [ 3], 
  [ 6]], 
 
  [[ 9], 
  [12], 
  [15]], 
 
  [[18], 
  [21], 
  [24]]]), 
 array([[[ 1], 
  [ 4], 
  [ 7]], 
 
  [[10], 
  [13], 
  [16]], 
 
  [[19], 
  [22], 
  [25]]]), 
 array([[[ 2], 
  [ 5], 
  [ 8]], 
 
  [[11], 
  [14], 
  [17]], 
 
  [[20], 
  [23], 
  [26]]])]

復制和鏡像（View）

當運算和處理數組時，它們的數據有時被拷貝到新的數組有時不是。這通常是新手的困惑之源。這有三種情況:

完全不復制

簡單的賦值，而不復制數組對象或它們的數據。

>>> a = arange(12) 
>>> b = a  #不創(chuàng)建新對象 
>>> b is a   # a和b是同一個數組對象的兩個名字 
True 
>>> b.shape = 3,4 #也改變了a的形狀 
>>> a.shape 
(3, 4) 
 　　　Python 傳遞不定對象作為參考4，所以函數調用不拷貝數組。
 >>> def f(x): 
...  print id(x) 
... 
>>> id(a)  #id是一個對象的唯一標識 
148293216 
>>> f(a) 
148293216

視圖(view)和淺復制

不同的數組對象分享同一個數據。視圖方法創(chuàng)造一個新的數組對象指向同一數據。

>>> c = a.view() 
>>> c is a 
False 
>>> c.base is a  #c是a持有數據的鏡像 
True 
>>> c.flags.owndata 
False 
>>> 
>>> c.shape = 2,6 # a的形狀沒變 
>>> a.shape 
(3, 4) 
>>> c[0,4] = 1234  #a的數據改變了 
>>> a 
array([[ 0, 1, 2, 3], 
  [1234, 5, 6, 7], 
  [ 8, 9, 10, 11]])

切片數組返回它的一個視圖：

>>> s = a[ : , 1:3]  # 獲得每一行1，2處的元素 
>>> s[:] = 10   # s[:] 是s的鏡像。注意區(qū)別s=10 and s[:]=10 
>>> a 
array([[ 0, 10, 10, 3], 
  [1234, 10, 10, 7], 
  [ 8, 10, 10, 11]])

深復制

這個復制方法完全復制數組和它的數據。

 >>> d = a.copy()  #創(chuàng)建了一個含有新數據的新數組對象 
>>> d is a 
False 
>>> d.base is a  #d和a現在沒有任何關系 
False 
>>> d[0,0] = 9999 
>>> a 
array([[ 0, 10, 10, 3], 
  [1234, 10, 10, 7], 
  [ 8, 10, 10, 11]])

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章: