Numpy 有一個強大之處在於可以很方便的修改生成的N維數組的形狀。

更改數組形狀

數組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
Out[181]: 
array([[6., 0., 2., 1.],
       [5., 2., 8., 2.],
       [8., 4., 8., 4.]])
a.shape
Out[182]: (3, 4)

上面生成了一個 3x4 的數組，現在對它進行形狀的改變。

a.ravel()
Out[184]: array([6., 0., 2., 1., 5., 2., 8., 2., 8., 4., 8., 4.])
a.reshape(2,6)
Out[185]: 
array([[6., 0., 2., 1., 5., 2.],
       [8., 2., 8., 4., 8., 4.]])
a.T
Out[186]: 
array([[6., 5., 8.],
       [0., 2., 4.],
       [2., 8., 8.],
       [1., 2., 4.]])
a.shape
Out[187]: (3, 4)

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

使用 resize 方法可以直接修改數組本身：

a
Out[188]: 
array([[6., 0., 2., 1.],
       [5., 2., 8., 2.],
       [8., 4., 8., 4.]])
a.resize(2,6)
a
Out[190]: 
array([[6., 0., 2., 1., 5., 2.],
       [8., 2., 8., 4., 8., 4.]])

　　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)
Out[191]: 
array([[6., 0., 2., 1.],
       [5., 2., 8., 2.],
       [8., 4., 8., 4.]])

將不同數組堆疊在一起

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
Out[192]: 
array([[0., 3.],
       [1., 9.]])
b = np.floor(10*np.random.random((2,2)))
b
Out[193]: 
array([[2., 8.],
       [9., 7.]])
np.hstack((a,b))
Out[194]: 
array([[0., 3., 2., 8.],
       [1., 9., 9., 7.]])

　對於2D數組來說，使用hstack和column_stack 效果一樣，對於1D數組來說，column_stack 會將1D數組作為列堆疊到2D數組中：

from numpy import newaxis
np.column_stack((a,b)) 
Out[195]: 
array([[0., 3., 2., 8.],
       [1., 9., 9., 7.]])
a = np.array([4.,2.])
b = np.array([3.,8.])
np.column_stack((a,b))
Out[196]: 
array([[4., 3.],
       [2., 8.]])
np.hstack((a,b))    # 一維數組的情況下，column_stack和hstack結果不一樣
Out[197]: array([4., 2., 3., 8.])
a[:,newaxis] 
Out[198]: 
array([[4.],
       [2.]])
np.column_stack((a[:,newaxis],b[:,newaxis]))
Out[199]: 
array([[4., 3.],
       [2., 8.]])
np.hstack((a[:,newaxis],b[:,newaxis]))   # 二維數組的情況下，column_stack和hstack結果一樣
Out[200]: 
array([[4., 3.],
       [2., 8.]])

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

將一個數組分成幾個較小的數組

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數組。

使用hsplit，可以沿其水平軸拆分數組，通過指定要返回的均勻劃分的數組數量，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
Out[201]: 
array([[8., 5., 5., 7., 3., 5., 8., 6., 2., 8., 9., 0.],
       [5., 8., 0., 0., 9., 0., 7., 5., 3., 9., 4., 8.]])
pprint(np.hsplit(a,3)) #水平切成三等分
[array([[8., 5., 5., 7.],
       [5., 8., 0., 0.]]),
 array([[3., 5., 8., 6.],
       [9., 0., 7., 5.]]),
 array([[2., 8., 9., 0.],
       [3., 9., 4., 8.]])]

vsplit沿垂直軸分割，array_split允許指定沿哪個軸分割。

Numpy系列（六）- 形狀操作