numpy和pandas中数组的合并、拉直和重塑实例
更新时间：2019年06月28日 10:05:49 作者：jran_ml
今天小编就为大家分享一篇numpy和pandas中数组的合并、拉直和重塑实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
合并
在numpy中合并两个array
numpy中可以通过concatenate，参数axis=0表示在垂直方向上合并两个数组，等价于np.vstack；参数axis=1表示在水平方向上合并两个数组，等价于np.hstack。
垂直方向：
np.concatenate([arr1,arr2],axis=0) np.vstack([arr1,arr2])
水平方向：
np.concatenate([arr1,arr2],axis=1) np.hstack([arr1,arr2])
import numpy as np
import pandas as pd
arr1=np.ones((3,5))
arr1
Out[5]:
array([[ 1., 1., 1., 1., 1.],
[ 1., 1., 1., 1., 1.],
[ 1., 1., 1., 1., 1.]])
arr2=np.random.randn(15).reshape(arr1.shape)
arr2
Out[8]:
array([[-0.09666833, 1.47064828, -1.94608976, 0.2651279 , -0.32894787],
[ 1.01187699, 0.39171167, 1.49607091, 0.79216196, 0.33246644],
[ 1.71266238, 0.86650837, 0.77830394, -0.90519422, 1.55410056]])
np.concatenate([arr1,arr2],axis=0) #在纵轴上合并
Out[9]:
array([[ 1. , 1. , 1. , 1. , 1. ],
[ 1. , 1. , 1. , 1. , 1. ],
[ 1. , 1. , 1. , 1. , 1. ],
[-0.09666833, 1.47064828, -1.94608976, 0.2651279 , -0.32894787],
[ 1.01187699, 0.39171167, 1.49607091, 0.79216196, 0.33246644],
[ 1.71266238, 0.86650837, 0.77830394, -0.90519422, 1.55410056]])
np.concatenate([arr1,arr2],axis=1) #在横轴上合并
Out[10]:
array([[ 1. , 1. , 1. , ..., -1.94608976,
0.2651279 , -0.32894787],
[ 1. , 1. , 1. , ..., 1.49607091,
0.79216196, 0.33246644],
[ 1. , 1. , 1. , ..., 0.77830394,
-0.90519422, 1.55410056]])
在pandas中合并两个DataFrame
pandas中通过concat方法实现合并，指定参数axis=0 或者 axis=1，在纵轴和横轴上合并两个数组。与numpy不同，这里的两个dataframe要放在一个列表中，即[frame1,frame2]
from pandas import DataFrame frame1=DataFrame([[1,2,3],[4,5,6]]) frame2=DataFrame([[7,8,9],[10,11,12]]) pd.concat([frame1,frame2], ignore_index=True) # 合并的数组是一个可迭代的列表。 Out[25]: 0 1 2 0 1 2 3 1 4 5 6 0 7 8 9 1 10 11 12 pd.concat([frame1,frame2], axis=1, ignore_index=True) Out[27]: 0 1 2 3 4 5 0 1 2 3 7 8 9 1 4 5 6 10 11 12
拉直和重塑
拉直即把一个二维的array变成一个一维的array。默认情况下，Numpy数组是按行优先顺序创建。在空间方面，这就意味着，对于一个二维数字，每行中的数据项是存放在内在中相邻的位置上的。另一种顺序是列优先。
由于历史原因，行优先和列优先又分别被称为C和Fortran顺序。在Numpy中，可以通过关键字参数order=‘C' 和order=‘F' 来实现行优先和列优先。
拉直：
arr=np.arange(15).reshape(3,-1)
arr
Out[29]:
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14]])
arr.ravel('F') #按照列优先，扁平化。
Out[30]: array([ 0, 5, 10, ..., 4, 9, 14])
arr.ravel('C') # 默认顺序。#按照行优先，扁平化。
Out[31]: array([ 0, 1, 2, ..., 12, 13, 14])
重塑：
Fortran顺序重塑后按列拉直和原数据按列拉直一样。
arr.reshape((5,3),order='F')
Out[32]:
array([[ 0, 11, 8],
[ 5, 2, 13],
[10, 7, 4],
[ 1, 12, 9],
[ 6, 3, 14]])
C顺序重塑后按行拉直和原数据按行拉直一样。
arr.reshape((5,3),order='C')
Out[33]:
array([[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 9, 10, 11],
[12, 13, 14]])
以上这篇numpy和pandas中数组的合并、拉直和重塑实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
这篇文章主要介绍了tensorflow2.0如何实现cnn的图像识别，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2022-12-12
python中protobuf和json互相转换应用处理方法
protobuf目前有proto2和proto3两个版本，本文所介绍的是基于proto3，在Python 3.6.9环境下运行，本文记录一下python中protobuf和json的相互转换的处理方法，感兴趣的朋友跟随小编一起看看吧2022-12-12
事情是这样的，最近认识的一位小姐姐有每天早晨看天气预报的习惯。在我看来，很多人起床第一件事情就是看微信消息，既然这样，我就勉为其难每天早晨给小姐姐发送一则天气预报吧2021-11-11
python 3利用Dlib 19.7实现摄像头人脸检测特征点标定
这篇文章主要为大家详细介绍了python 3利用Dlib 19.7实现摄像头人脸检测特征点标定，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-02-02
这篇文章主要介绍了python 爬虫基本的基本使用，主要利用了Urllib和BeautifulSoup4这两个库，配以简单的实例帮助大家理解，感兴趣的朋友可以了解下2020-10-10
这篇文章主要和大家分享两个有意思的Python小工具,可以优雅地实现进度条和系统通知,文中的示例代码简洁易懂,有需要的小伙伴快也跟随小编一起学习一下2023-11-11
这篇文章主要介绍了PyQt5的QWebEngineView使用示例，帮助大家更好的学习和使用python，感兴趣的朋友可以了解下2020-10-10
对numpy下的轴交换transpose和swapaxes的示例解读
今天小编就为大家分享一篇对numpy下的轴交换transpose和swapaxes的示例解读，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-06-06
这篇文章主要介绍了Python 网易易盾滑块验证，主要是借助之前写阿里云盾滑块和极验滑块的经验写的本文，通过使用selenium请求url，并触发滑块验证，需要的朋友可以参考下2022-05-05
关于电脑的垃圾清理操作，已经有很多的成熟的软件可以帮助我们完成C盘的垃圾清理操作，比如360等等。但是使用三方的清理软件往往伴随着很多的广告，所以本文就来用Python制作一个C盘清理器吧2023-03-03
最新评论