深入理解NumPy简明教程---数组3（组合）


            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, 1, 2, 0, 2, 4], 

  [ 3, 4, 5, 6, 8, 10], 

  [ 6, 7, 8, 12, 14, 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, 1, 2, 0, 2, 4], 

  [ 3, 4, 5, 6, 8, 10], 

  [ 6, 7, 8, 12, 14, 16]]) 





垂直组合







>>> vstack((a, b)) 

array([[ 0, 1, 2], 

  [ 3, 4, 5], 

  [ 6, 7, 8], 

  [ 0, 2, 4], 

  [ 6, 8, 10], 

  [12, 14, 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, b), axis=0) 

array([[ 0, 1, 2], 

  [ 3, 4, 5], 

  [ 6, 7, 8], 

  [ 0, 2, 4], 

  [ 6, 8, 10], 

  [12, 14, 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], 

  [ 2, 4]], 

 

  [[ 3, 6], 

  [ 4, 8], 

  [ 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, 2], 

  [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(3,3) 

>>> a 

array([[0, 1, 2], 

  [3, 4, 5], 

  [6, 7, 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, 1, 2]]), array([[3, 4, 5]]), array([[6, 7, 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, 3, 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, 3) 

>>> c 

array([[[ 0, 1, 2], 

  [ 3, 4, 5], 

  [ 6, 7, 8]], 

 

  [[ 9, 10, 11], 

  [12, 13, 14], 

  [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, 1, 2, 3], 

  [1234, 5, 6, 7], 

  [ 8, 9, 10, 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, 10, 10, 3], 

  [1234, 10, 10, 7], 

  [ 8, 10, 10, 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, 10, 10, 3], 

  [1234, 10, 10, 7], 

  [ 8, 10, 10, 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中文源码网。