Python數據分析之堆疊數組函數怎么使用

今天小編給大家分享一下Python數據分析之堆疊數組函數怎么使用的相關知識點，內容詳細，邏輯清晰，相信大部分人都還太了解這方面的知識，所以分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后有所收獲，下面我們一起來了解一下吧。

numpy 堆疊數組

在做圖像和 nlp 的數組數據處理的時候，經常需要實現兩個數組堆疊或者連接的功能，這就需用到 numpy 庫的一些函數，numpy 庫中的常用堆疊數組函數如下：

• stack : Join a sequence of arrays along a new axis.

• hstack: Stack arrays in sequence horizontally (column wise).

• vstack : Stack arrays in sequence vertically (row wise).

• dstack : Stack arrays in sequence depth wise (along third axis).

• concatenate : Join a sequence of arrays along an existing axis.

ravel() 函數

ravel() 方法可讓將多維數組展平成一維數組。如果不指定任何參數，ravel() 將沿著行（第 0 維/軸）展平/拉平輸入數組。

示例代碼如下:

std_array = np.random.normal(3, 2.5, size=(2, 4))
array1d = std_array.ravel()
print(std_array)
print(array1d)

程序輸出結果如下：

[[5.68301857 2.09696067 2.20833423 2.83964393]
 [2.38957339 9.66254303 1.58419716 2.82531094]]
 
[5.68301857 2.09696067 2.20833423 2.83964393 2.38957339 9.66254303 1.58419716 2.82531094]

stack() 函數

stack() 函數原型是 stack(arrays, axis=0, out=None)，功能是沿著給定軸連接數組序列，軸默認為第０維。

1，參數解析：

• arrays: 類似數組（數組、列表）的序列，這里的每個數組必須有相同的shape。

• axis: 默認為整形數據，axis決定了沿著哪個維度stack輸入數組。

2，返回：

• stacked : ndarray 類型。The stacked array has one more dimension than the input arrays.

實例如下：

import numpy as np
# 一維數組進行stack
a1 = np.array([1, 3, 4])    # shape (3,)
b1 = np.array([4, 6, 7])    # shape (3,)
c1 = np.stack((a,b))
print(c1)
print(c1.shape)    # (2,3)
# 二維數組進行堆疊
a2 = np.array([[1, 3, 5], [5, 6, 9]])    # shape (2,3)
b2 = np.array([[1, 3, 5], [5, 6, 9]])    # shape (2,3)
c2 = np.stack((a2, b2), axis=0)
print(c2)
print(c2.shape)

輸出為：

[[1 3 4] [4 6 7]]

(2, 3)

[[[1 3 5] [5 6 9]] [[1 3 5] [5 6 9]]] (2, 2, 3)

可以看到，進行 stack 的兩個數組必須有相同的形狀，同時，輸出的結果的維度是比輸入的數組都要多一維的。我們拿第一個例子來舉例，兩個含 3 個數的一維數組在第 0 維進行堆疊，其過程等價于先給兩個數組增加一個第0維，變為1*3的數組，再在第 0 維進行 concatenate() 操作：

a = np.array([1, 3, 4])
b = np.array([4, 6, 7])
a = a[np.newaxis,:]
b = b[np.newaxis,:]
np.concatenate([a,b],axis=0)

輸出為：

array([[1, 2, 3],       [2, 3, 4]])

vstack()函數

vstack函數原型是vstack(tup)，功能是垂直的（按照行順序）堆疊序列中的數組。tup是數組序列(元組、列表、數組)，數組必須在所有軸上具有相同的shape，除了第一個軸。1-D arrays must have the same length.

# 一維數組
a = np.array([1, 2, 3])
b = np.array([2, 3, 4])
np.vstack((a,b))

array([[1, 2, 3], [2, 3, 4]])

# 二維數組
a = np.array([[1], [2], [3]])
b = np.array([[2], [3], [4]])
np.vstack((a,b))

array([[1], [2], [3], [2], [3], [4]])

hstack()函數

hstack()的函數原型：hstack(tup) ，參數tup可以是元組，列表，或者numpy數組，返回結果為numpy的數組。它其實就是**水平(按列順序)**把數組給堆疊起來，與vstack()函數正好相反。舉幾個簡單的例子：

# 一維數組
a = np.array([1, 2, 3])
b = np.array([2, 3, 4])
np.hstack((a,b))

array([1, 2, 3, 2, 3, 4])

# 二維數組
a = np.array([[1], [2], [3]])
b = np.array([[2], [3], [4]])
np.hstack((a,b))

array([[1, 2], [2, 3], [3, 4]])

vstack()和hstack函數對比：

這里的v是vertically的縮寫，代表垂直（沿著行）堆疊數組，這里的h是horizontally的縮寫，代表水平（沿著列）堆疊數組。 tup是數組序列(元組、列表、數組)，數組必須在所有軸上具有相同的shape，除了第一個軸。

concatenate() 函數

concatenate()函數功能齊全，理論上可以實現上面三個函數的功能，concatenate()函數根據指定的維度，對一個元組、列表中的list或者ndarray進行連接，函數原型：

numpy.concatenate((a1, a2, ...), axis=0)

a = np.array([[1, 2], [3，4]])　　　　　　　　　　　　　　　
b = np.array([[5, 6], [7, 8]])
# a、b的shape為（2,2），連接第一維就變成（4,2），連接第二維就變成（2,4）
np.concatenate((a, b), axis=0)

array([[1, 2], [3, 4], [5, 6], [7, 8]])

注意：axis指定的維度（即拼接的維度）可以是不同的，但是axis之外的維度（其他維度）的長度必須是相同的。注意 concatenate 函數使用最廣，必須在項目中熟練掌握。

以上就是“Python數據分析之堆疊數組函數怎么使用”這篇文章的所有內容，感謝各位的閱讀！相信大家閱讀完這篇文章都有很大的收獲，小編每天都會為大家更新不同的知識，如果還想學習更多的知識，請關注億速云行業資訊頻道。