Numpy中如何实现数组重塑、合并与拆分

这篇文章将为大家详细讲解有关Numpy中如何实现数组重塑、合并与拆分，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。

1.数组重塑

1.1一维数组转变成二维数组

通过reshape( )函数即可实现，假设data是numpy.array类型的一维数组array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])，现将其转变为2行5列的二维数组，代码如下：

data.reshape((2,5))

作为参数的形状的其中一维可以是-1，它表示该维度的大小由数据本身推断而来，因此上面代码等价于：

data.reshape((2,-1))

1.2二维数组转换成一维数组

将多维数组转换成一维数组的运算通常称为扁平化（flattening）或散开（raveling）,因此有两个函数可供选择。执行代码如下：

data.ravel() # 不会产生源数据的副本
data.flatten() # 总是返回数据的副本

关于这两点的区别，理解的不是很透彻。有人懂得话，欢迎评论交流。

2.数组的合并和拆分

2.1数组的合并

numpy提供许多数组合并的方法，这里只介绍最为常用的一种，即concatenate方法，代码如下：

arr1 = np.array([[1,2,3], [4,5,6]])
arr2 = np.array([[7,8,9], [10,11,12]])
data = np.concatenate([arr1, arr2], axis=0) # axis参数指明合并的轴向，0表示按行，1表示按列

2.2数组的拆分

这里只介绍split函数

np.split(data, [1], axis=0)#data为拆分的数组，[1]为拆分的行号或列号，axis表明按列或者行进行拆分（默认为0，即按行拆分）

关于“Numpy中如何实现数组重塑、合并与拆分”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。