深入理解NumPy简明教程---数组3（组合）

概述前两篇文章对NumPy数组做了基本的介绍，本篇文章对NumPy数组进行较深入的探讨。首先介绍自定义类型的数组，接着数组的组合，最后介绍数组复制方面的问题。

前两篇文章对NumPy数组做了基本的介绍，本篇文章对NumPy数组进行较深入的探讨。首先介绍自定义类型的数组，接着数组的组合，最后介绍数组复制方面的问题。

自定义结构数组

通过NumPy也可以定义像C语言那样的结构类型。在NumPy中定义结构的方法如下：

定义结构类型名称；定义字段名称，标明字段数据类型。

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

这里student是自定义结构类型的名称，使用dtype函数创建，在第一个参数中，'names'和'formats'不能改变，names中列出的是结构中字段名称，formats中列出的是对应字段的数据类型。S32表示32字节长度的字符串，i表示32位的整数，f表示32位长度的浮点数。最后一个参数为True时，表示要求进行内存对齐。

字段中使用NumPy的字符编码来表示数据类型。更详细的数据类型见下表。

数据类型	字符编码
整数	i
无符号整数	u
单精度浮点数	f
双精度浮点数	d
布尔值	b
复数	D
字符串	S
Unicode	U
VoID	V

在定义好结构类型之后，就可以定义以该类型为元素的数组了：

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

除了在每个元素中依次列出对应字段的数据外，还需要在array函数中最后一个参数指定其所对应的数据类型。

注：例子来源于张若愚的Python科学计算艺术的29页。更多关于dtype的内容请参考《NumPy for Beginner》一书的第二章。

组合函数

这里介绍以不同的方式组合函数。首先创建两个数组：

>>> 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]]) 

水平组合

>>> hstack((a,b)) array([[ 0,[ 3,5,6,12,16]]) 

也可通过concatenate函数并指定相应的轴来获得这一效果：

>>> concatenate((a,b),axis=1) array([[ 0,16]]) 

垂直组合

>>> vstack((a,8],[ 0,16]]) 

同样，可通过concatenate函数，并指定相应的轴来获得这一效果。

>>> concatenate((a,axis=0) array([[ 0,16]]) 

深度组合

另外，还有深度方面的组合函数dstack。顾名思义，就是在数组的第三个轴（即深度）上组合。如下：

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

仔细观察，发现对应的元素都组合成一个新的列表，该列表作为新的数组的元素。

行组合

行组合可将多个一维数组作为新数组的每一行进行组合：

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

对于2维数组，其作用就像垂直组合一样。

列组合

列组合的效果应该很清楚了。如下：

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

对于2维数组，其作用就像水平组合一样。

分割数组

在NumPy中，分割数组的函数有hsplit、vsplit、dsplit和split。可将数组分割成相同大小的子数组，或指定原数组分割的位置。

水平分割

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

也调用split函数并指定轴为1来获得这样的效果：

split(a,3,axis=1) 

垂直分割

垂直分割是沿着垂直的轴切分数组：

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

同样，也可通过solit函数并指定轴为1来获得这样的效果：

>>> split(a,axis=0) 

面向深度的分割

dsplit函数使用的是面向深度的分割方式：

>>> c = arange(27).reshape(3,3) >>> c array([[[ 0,8]],[[ 9,10,11],13,[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]]])] 

复制和镜像（VIEw）

当运算和处理数组时，它们的数据有时被拷贝到新的数组有时不是。这通常是新手的困惑之源。这有三种情况:

完全不复制

简单的赋值，而不复制数组对象或它们的数据。

>>> a = arange(12) >>> b = a  #不创建新对象 >>> b is a   # a和b是同一个数组对象的两个名字 True >>> b.shape = 3,4 #也改变了a的形状 >>> a.shape (3,4)  　　　Python 传递不定对象作为参考4，所以函数调用不拷贝数组。 >>> def f(x): ...  print ID(x) ... >>> ID(a)  #ID是一个对象的唯一标识 148293216 >>> f(a) 148293216 

视图(vIEw)和浅复制

不同的数组对象分享同一个数据。视图方法创造一个新的数组对象指向同一数据。

>>> c = a.vIEw() >>> c is a False >>> c.base is a  #c是a持有数据的镜像 True >>> c.flags.owndata False >>> >>> c.shape = 2,6 # a的形状没变 >>> a.shape (3,4) >>> c[0,4] = 1234  #a的数据改变了 >>> a array([[ 0,3],[1234,7],9,11]]) 

切片数组返回它的一个视图：

>>> s = a[ :,1:3]  # 获得每一行1，2处的元素 >>> s[:] = 10   # s[:] 是s的镜像。注意区别s=10 and s[:]=10 >>> a array([[ 0,11]]) 

深复制

这个复制方法完全复制数组和它的数据。

 >>> d = a.copy()  #创建了一个含有新数据的新数组对象 >>> d is a False >>> d.base is a  #d和a现在没有任何关系 False >>> d[0,0] = 9999 >>> a array([[ 0,11]]) 

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持编程小技巧。

总结

以上是内存溢出为你收集整理的深入理解NumPy简明教程---数组3（组合）全部内容，希望文章能够帮你解决深入理解NumPy简明教程---数组3（组合）所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。