Python之numpy数组学习（三）

CDA数据分析师 · 公众号 · 大数据 · 2017-05-25 18:42

正文

请到「今天看啥」查看全文

作者 Airy
本文转自AiryData，转载需授权

前言

前面我们学习了 numpy 库的简单应用和数组的处理，今天来学习下比较重要的如何拆分数组。

拆分numpy数组

数组可以从纵向、横向和深度方向来拆分数组，相关函数有 hsplit() 、 vsplit() 、 sdplit() 和 split() 。我们既可以把数组分成相同形状的数组，也可以从规定的位置开始切取数组（先介绍，代码在后）。

横向拆分 ：对于一个 3 × 3 数组，可以沿着横轴方向将其分解为 3 部分，并且各部分的大小和形状完全一致。

纵向拆分 ： vsplit() 函数将沿着纵轴方向分解数组。当参数 axis=0 时， split() 函数也会沿着纵轴方向分解数组。

深向拆分 ： dsplit() 函数会沿着深度方向分解数组。

下面看一下代码（建议访问原文链接查看规范代码）：

#-*- coding:utf-8 -*-
import numpy as np

a = np.arange(9).reshape(3, 3)

print (a)
#Out:
#array([[0, 1, 2],
#       [3, 4, 5],
#       [6, 7, 8]])
#横向拆分
print (np.hsplit(a, 3))
#Out:
#[array([[0],
#       [3],
#       [6]]),
# array([[1],
#       [4],
#       [7]]),
# array([[2],
#       [5],
#       [8]])]

print (np.split(a, 3, axis=1))
#Out:
#[array([[0],
#       [3],
#       [6]]),
# array([[1],
#       [4],
#       [7]]),
# array([[2],
#       [5],
#       [8]])]
#纵向拆分
print (np.vsplit(a, 3))
#Out: [array([[0, 1, 2]]), array([[3, 4, 5]]), array([[6, 7, 8]])]

print (np.split(a, 3, axis=0))
#Out: [array([[0, 1, 2]]), array([[3, 4, 5]]), array([[6, 7, 8]])]

c = np.arange(27).reshape(3, 3, 3)
print (c)
#Out:
#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]]])
#深向拆分
print (np.dsplit(c, 3))
#Out:
#[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]]])]

Numpy数组的属性

除了 shape 和 dtype 属性外， ndarray 类型的属性还很多。

ndim 属性存储的是维度的数量。

size 属性用来保存元素的数量。

itemsize 属性可以返回数组中各个元素所占用的字节数。

nbytes 属性存储整个数组所需的字节数量。这个属性的值正好是 itemsize 和 size 属性值的积。

T 属性的作用和 transpose() 函数相同。

如果数组的秩（ rank ）小于 2 ，那么所得只是一个数组的视图。

对于 numpy 来说，复数用 j 表示。

real 属性将返回数组的实部，当数组元素全为实数时，就返回数组本身。

如果数组有复数，那么它的数据类型将自动变为复数类型。

flat 属性可返回一个 numpy.flatiter 对象，这是获得 flatiter 对象的唯一方法。给 flat 属性赋值时，这个值会覆盖整个数组内所有的值，所以建议不要赋值。

下面用代码说明 numpy 数组的各种属性的详细用法。

#-*- coding:utf-8 -*-
import numpy as np

b = np.arange(24).reshape(2, 12)
print (b)
#Out:
#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]])

print (b.ndim)
#Out: 2

print (b.size)
#Out: 24

print (b.itemsize)
#Out: 8

print (b.nbytes)
#Out: 192

print (b.size * b.itemsize)
#Out: 192

print (b.resize(6,4))

print (b)
#Out:
#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]])

print (b.T)
#Out:
#array([[ 0, 4, 8, 12, 16, 20],
#       [ 1, 5, 9, 13, 17, 21],
#       [ 2, 6, 10, 14, 18, 22],
#       [ 3, 7, 11, 15, 19, 23]])

print (b.ndim)
#Out: 1

print (b.T)
#Out: array([0, 1, 2, 3, 4])

b = np.array([1.j + 1, 2.j + 3])

print (b)
#Out: array([ 1.+1.j, 3.+2.j])

print (b.real)
#Out: array([ 1., 3.])

print (b.imag)
#Out: array([ 1., 2.])

print (b.dtype)
#Out: dtype('complex128')

print (b.dtype.str)
#Out: '

b = np.arange(4).reshape(2,2)

print (b)
#Out:
#array([[0, 1],
#       [2, 3]])

f = b.flat

print (f)
#Out:

for it in f:
print (it)
#0
#1
#2
#3

print (b.flat[2])
#Out: 2

print (b.flat[[1,3]])
#Out: array([1, 3])

print (b)
#Out:
#array([[7, 7],
#       [7, 7]])

b.flat[[1,3]] = 1

print (b)
#Out:
#array([[7, 1],
#   [7, 1]])

数组的转换

我们可以把 numpy 数组转换成 Python 列表，使用 tolist() 函数。

astype() 函数可以把数组元素转换成指定类型。

PS. 当 complex 类型转换成 int 类型时，虚部将被丢弃，另外，还需要将数据类型的名称以字符串的形式传递给 astype() 函数。

下面看一下代码：

#-*- coding:utf-8 -*-
import numpy as np

b = np.array([ 1.+1.j, 3.+2.j])
print (b)
#Out: array([ 1.+1.j, 3.+2.j])

print (b.tolist())
#Out: [(1+1j), (3+2j)]

print (b.tostring())
#Out: b'\x00\x00\x00\x00\x00\x00\xf0?\x00\x00\x00\x00\x00\x00\xf0?\x00\x00\x00\x00\x00\x00\x08@\x00\x00\x00\x00\x00\x00\x00@'

print (np.fromstring(b'\x00\x00\x00\x00\x00\x00\xf0?\x00\x00\x00\x00\x00\x00\xf0?\x00\x00\x00\x00\x00\x00\x08@\x00\x00\x00\x00\x00\x00\x00@', dtype=complex))
#Out: [ 1.+1.j, 3.+2.j]

print (np.fromstring('20:42:52',sep=':', dtype=int))
#Out: [20, 42, 52]

print (b)
#Out: [ 1.+1.j, 3.+2.j]

print (b.astype(int))
#d:/Anaconda3/Scripts/ipython-script.py:1: ComplexWarning: Casting complex values to real discards the imaginary part
# if __name__ == '__main__':
#Out: [1 3]

print (b.astype('complex'))
#Out: [ 1.+1.j, 3.+2.j]