Numpy 有一個強大之處在於可以很方便的修改生成的N維陣列的形狀。

更改陣列形狀
陣列具有由沿著每個軸的元素數量給出的形狀：

>>> a =np.floor(10*np.random.random((3,4)))
>>> a
array([[ 6.,  7.,  2.,  0.],[ 6.,  2.,0.,  9.], [ 3.,  9.,3.,  8.]])
>>> a.shape
(3L, 4L)
上面生成了一個
3x4 的陣列，現在對它進行形狀的改變。
>>> a.ravel() # 進行平鋪
array([ 6.,  7.,  2.,  0.,  6.,  2.,  0.,9.,  3.,  9.,  3.,  8.])
>>> a.reshape(2, 6) # 重塑成 2x6
array([[ 6.,  7.,  2.,  0.,  6.,  2.], [ 0.,  9.,3.,  9.,  3.,  8.]])
>>> a.T # 轉置
array([[ 6.,  6.,  3.], [ 7.,  2.,9.], [ 2.,  0.,3.],[ 0.,  9.,8.]])
>>> a.shape
(3L, 4L)

無論是ravel、reshape、T，它們都不會更改原有的陣列形狀，都是返回一個新的陣列。

使用 resize 方法可以直接修改陣列本身：

>>> a
array([[ 6.,  7.,  2.,  0.], [ 6.,  2.,0.,  9.],[ 3.,  9.,3.,  8.]])
>>> a.resize(2, 6)
>>> a
array([[ 6.,  7.,  2.,  0.,  6.,  2.], [ 0.,  9.,3.,  9.,  3.,  8.]])

技巧：在使用 reshape 時，可以將其中的一個維度指定為 -1，Numpy 會自動計算出它的真實值

>>> a.reshape(3, -1)
array([[ 6.,  7.,  2.,  0.],[ 6.,  2.,0.,  9.],[ 3.,  9.,3.,  8.]])


將不同陣列堆疊在一起


除了可以對單個數組的形狀進行轉換外，還可以把多個數據進行堆疊。

>>> a =np.floor(10*np.random.random((2,2)))
>>> a
array([[ 9.,  9.], [ 8.,  1.]])
>>> b = np.floor(10*np.random.random((2,2)))
>>> b
array([[ 5.,  2.], [ 9.,  5.]])
>>> np.vstack((a,b))
array([[ 9.,  9.], [ 8.,  1.],[ 5.,  2.], [ 9.,  5.]])
>>> np.hstack((a,b))
array([[ 9.,  9.,  5.,  2.], [ 8.,  1.,9.,  5.]])

對於2D陣列來說，使用hstack和column_stack 效果一樣，對於1D陣列來說，column_stack 會將1D陣列作為列堆疊到2D陣列中：

>>> from numpy import newaxis
>>> np.column_stack((a,b))     # with 2D arrays
array([[ 4.,  3.], [ 2.,  8.]])
>>> a = np.array([4.,2.])
>>> b = np.array([3.,8.])
>>> np.column_stack((a,b))
array([[ 4.,  3.],[ 2.,  8.]])
>>> np.hstack((a,b))           # 一維陣列的情況下，column_stack和hstack結果不一樣
array([ 4.,  2.,  3.,  8.])
>>> a[:,newaxis]               # 將一維陣列轉為二維陣列
array([[ 4.], [ 2.]])
>>> np.column_stack((a[:,newaxis],b[:,newaxis]))
array([[ 4.,  3.], [ 2.,  8.]])
>>> np.hstack((a[:,newaxis],b[:,newaxis]))   # 二維陣列的情況下，column_stack和hstack結果一樣
array([[ 4.,  3.],[ 2.,  8.]])

另一方面，對於任何輸入陣列，函式row_stack等效於vstack。一般來說，對於具有兩個以上維度的陣列，hstack沿第二軸堆疊，vstack沿第一軸堆疊，concatenate允許一個可選引數，給出串接應該發生的軸。


將一個數組分成幾個較小的陣列

既然可以將多個數組進行對堆疊，自然也可以將一個數組拆分成多個小陣列。
使用hsplit，可以沿其水平軸拆分陣列，通過指定要返回的均勻劃分的陣列數量，或通過指定要在其後進行劃分的列：

>>> from pprint import pprint
>>> a = np.floor(10*np.random.random((2,12)))
>>> a
array([[ 9.,  3.,  4.,  1.,  0.,  0.,  6.,7.,  3.,  4.,  1.,  1.], [ 1.,  2.,8.,  1.,  0.,  2.,  1.,  4.,  3.,  8.,1.,  1.]])
>>> pprint(np.hsplit(a,3))   # 水平切成3等份
[array([[ 9.,  3.,  4.,  1.],[ 1.,  2.,8.,  1.]]),
array([[ 0.,  0.,  6.,7.], [ 0.,  2.,1.,  4.]]),
array([[ 3.,  4.,  1.,1.],[ 3.,  8.,1.,  1.]])]

vsplit沿垂直軸分割，array_split允許指定沿哪個軸分割。

           腦洞科技棧專注於人工智慧與量化投資領域