修改数组的尺寸

数组的尺寸就是每个维度上元素数量构成的元组，有几种方法可以改变数组的尺寸。

import numpy as np
a = np.array([[1, 2, 3], [3, 2, 1]])
print(a.shape)  # (2, 3)

ndarray.reshape()

返回一个新的数组对象，数组中的元素和原数组是共享的，只是尺寸（属性）不同，如果对其中一个数组的元素进行修改，另外一个也会受影响，如果需要全新、独立的数组，请手动调用ndarray.copy()方法。

import numpy as np
a = np.arange(6)
b = a.reshape(2, 3)
print(repr(b))
# array([[0, 1, 2],
#        [3, 4, 5]])
a[0] = 999
print(b)
# [[999   1   2]
#  [  3   4   5]]
"""
如果参数中有一个维度为 -1，那这个维度的大小会自动计算
新的尺寸如果不合理，会抛出 ValueError
"""
print(a.reshape(2, -1).shape)   # (2, 3)
print(a.reshape(3, -1).shape)   # (3, 2)
print(a.reshape(6, -1).shape)   # (6, 1)
print(a.reshape(4, -1).shape)   # ValueError: cannot reshape array of size 6 into shape (4,newaxis)

ndarray.resize()

reshape()方法是修改尺寸后返回一个新的数组，resize()则是在原数组上进行修改。

import numpy as np
a = np.arange(6)
a.resize(2, 3)  # 没有返回值
print(a)
# [[  0   1]
#  [  2   3]
#  [  4   5]]

ndarray.ravel()

返回一个连续的「扁平数组」，可以理解为是将所有元素在一个维度上摊开了，怎样摊开，是需要有顺序要求的，默认是C style（行元素优先）。同样地，和原数组是共享元素的，一方修改，另一方受影响。

import numpy as np
a = np.array([[1, 2], [3, 4]])
c = a.ravel()
print(c)    # [1 2 3 4]
f = a.ravel(order='F')  # Fortran style, 列优先
print(f)    # [1 3 2 4]

多个数组的合并

numpy.hstack()

字面意思是按照水平方向合并，更准确的说应该是对于多维数组，按照第二维度合并；对于一位数组，按照第一维度合并。

import numpy as np
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
c = np.hstack((a, b)
print(c)    # [1 2 3 4 5 6]
x = np.array([[1, 2], [3, 4], [5, 6]])
y = np.array([[7], [8], [9]])
"""
x 第二维度索引：(0, 1)
y 第二维度索引：(0)
合并之后的第二维度索引：(0, 1, 2)
"""
z = np.hstack((x, y))
print(z)
# [[1 2 7]
#  [3 4 8]
#  [5 6 9]]

numpy.vstack()

和上面的类似，垂直方向合并，扩展第一维度。

import numpy as np
a = np.array([1, 2, 3])
b = np.array([2, 3, 4])
c = np.vstack((a,b))
print(c)
# [[1 2 3]
#  [2 3 4]]
x = np.array([[1, 2], [3, 4]])
y = np.array([[6, 7]])
z = np.vstack((x, y))
print(z)
# [[1 2]
#  [3 4]
#  [6 7]]

数组的拆分

numpy.split()

将一个数组拆分成多个子数组，返回子数组构成的列表。

"""
numpy.split(array, indices_or_sections, axis=0)
- indices_or_sections:整形或者一维数组
    1. 如果是整数，则将数组按照对应维度「均分」,不能均分，抛出异常
    2. 如果是一维数组，则以数组元素值为切片分割点，进行切片分割
"""
import numpy as np
x = np.arange(9)
arr_list = np.split(x, 3)
print(arr_list)     # [array([0, 1, 2]), array([3, 4, 5]), array([6, 7, 8])]
arr_list = np.split(x, [1, 3, 5])
"""
分成：[:1], [1:3], [3:5], [5:]
"""
print(arr_list) #   [array([0]), array([1, 2]), array([3, 4]), array([5, 6, 7, 8])]
# 多维数组
a = np.arange(18).reshape(3, 6)
arr_list = np.split(a, 3, axis=1)   # 按第二维（列）分
for arr in arr_list:
    print(arr, end= '\n\n')
# [[ 0  1]
#  [ 6  7]
#  [12 13]]
# 
# [[ 2  3]
#  [ 8  9]
#  [14 15]]
# 
# [[ 4  5]
#  [10 11]
#  [16 17]]