Python数据分析 | (9)NumPy数组高级操作---变型、重塑、扁平、合并拆分以及重复

本篇博客所有示例使用Jupyter NoteBook演示。

Python数据分析系列笔记基于:利用Python进行数据分析(第2版)  

目录

1.数组转置和轴对换

2.数组重塑

3.数组扁平化

4.数组的合并和拆分

5.元素的重复操作：tile/repeat

1.数组转置和轴对换

转置是重塑的一种特殊形式，返回的是源数据的视图(不会进行任何复制操作).

• 二维数组

2维数组转置不仅有transpose方法，还有一个特殊的T属性：

import numpy as np

arr = np.arange(15).reshape((3,5))
print(arr.T)     #返回源数组arr的视图  arr没有任何改变  arr.T/arr.transpose()返回arr的视图 
print(arr.transpose()) #如果赋值给一个新数组 对新数组进行修改 arr也会改变
print(arr)

进行矩阵运算时，经常要用到转置操作，比如利用np.dot计算矩阵内积时：

arr = np.random.randn(6,3)
print(arr)
print(np.dot(arr.T,arr))  #(3,6) (6,3)->(3,3)

• 高维数组

对于高维数组，transpose函数需要得到一个由轴编号组成的元组才能对轴进行转置：

arr = np.arange(16).reshape((2,2,4))
print(arr)
print("---------------")
print(arr.transpose(1,0,2))

这里0轴和1轴互换，2轴不变。

2维数组简单的转置可以使用.T，他其实就是进行轴对换而已。ndarray还有一个swapaxes函数，需要接受一对轴编号：

print(arr)
print("--------------")
print(arr.swapaxes(1,2))

swapaxes函数和transpose，.T一样，也是返回源数据的视图（不会进行任何复制操作）

2.数组重塑

多数情况下，可以无需复制任何数据，就可以将数组从一个形状转换为另一个形状。只需要向数组的函数reshape传入一个表示新形状的元组即可。

将一个一维数组重新排列成一个矩阵（2维数组）：

arr = np.arange(8)
print(arr)
print(arr.reshape((4,2)))  #返回arr的视图