Python中NumPy的数组拆分
拆分 NumPy 数组
拆分是连接的反向操作。
连接（Joining）是将多个数组合并为一个，拆分（Spliting）将一个数组拆分为多个。
我们使用 array_split() 分割数组，将要分割的数组和分割数传递给它。
实例
将数组分为 3 部分：
import numpy as np arr = np.array([1, 2, 3, 4, 5, 6]) newarr = np.array_split(arr, 3) print(newarr)
运行实例
注释：返回值是一个包含三个数组的数组。
如果数组中的元素少于要求的数量，它将从末尾进行相应调整。
实例
将数组分为 4 部分：
import numpy as np arr = np.array([1, 2, 3, 4, 5, 6]) newarr = np.array_split(arr, 4) print(newarr)
运行实例
提示：我们也有 split() 方法可用，但是当源数组中的元素较少用于拆分时，它将不会调整元素，如上例那样，array_split() 正常工作，但 split() 会失败。
拆分为数组
array_split() 方法的返回值是一个包含每个分割的数组。
如果将一个数组拆分为 3 个数组，则可以像使用任何数组元素一样从结果中访问它们：
实例
访问拆分的数组：
import numpy as np arr = np.array([1, 2, 3, 4, 5, 6]) newarr = np.array_split(arr, 3) print(newarr[0]) print(newarr[1]) print(newarr[2])
运行实例
分割二维数组
拆分二维数组时，请使用相同的语法。
使用 array_split() 方法，传入要分割的数组和想要分割的数目。
实例
把这个 2-D 拆分为三个 2-D 数组。
import numpy as np arr = np.array([[1, 2], [3, 4], [5, 6], [7, 8], [9, 10], [11, 12]]) newarr = np.array_split(arr, 3) print(newarr)
运行实例
上例返回三个 2-D 数组。
让我们看另一个例子，这次 2-D 数组中的每个元素包含 3 个元素。
实例
把这个 2-D 拆分为三个 2-D 数组。
import numpy as np arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12], [13, 14, 15], [16, 17, 18]]) newarr = np.array_split(arr, 3) print(newarr)
运行实例
上例返回三个 2-D 数组。
此外，您可以指定要进行拆分的轴。
下面的例子还返回三个 2-D 数组，但它们沿行 (axis=1) 分割。
实例
沿行把这个 2-D 拆分为三个 2-D 数组。
import numpy as np arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12], [13, 14, 15], [16, 17, 18]]) newarr = np.array_split(arr, 3, axis=1) print(newarr)
运行实例
另一种解决方案是使用与 hstack() 相反的 hsplit()。
实例
使用 hsplit() 方法将 2-D 数组沿着行分成三个 2-D 数组。
import numpy as np arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12], [13, 14, 15], [16, 17, 18]]) newarr = np.hsplit(arr, 3) print(newarr)
运行实例
提示：vsplit() 和 dsplit() 可以使用与 vstack() 和 dstack() 类似的替代方法。
到此这篇关于Python中NumPy的数组拆分的文章就介绍到这了,更多相关NumPy的数组拆分内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要介绍了django-csrf使用和禁用方式，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2020-03-03
文章主要介绍了在Centos和Ubuntu系统中使用pip进行包管理的操作,包括查看、安装、升级、卸载包,指定版本号安装,一次性安装多个包等操作,并提供了相关命令和注意事项2026-05-05
这篇文章主要介绍了安装python中wordcloud的几种方法,本文通过图文并茂的形式给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2022-06-06
散点密度图是在散点图的基础上，计算了每个散点周围分布了多少其他的点，并通过颜色表现出来。本文主要介绍了Python绘制散点密度图的三种方式，需要的可以参考下2022-06-06
文将介绍如何使用Python编程语言和NLTK（Natural Language Toolkit）库进行文本预处理,为后续的文本分析和机器学习任务做准备,文中有详细的代码示例供大家参考,需要的朋友可以参考下2024-03-03
字符串是编程中最基础的数据类型之一,Python对其提供了丰富的操作方法,本文将通过具体案例演示字符串的创建、操作、格式化和高级应用,帮助读者系统掌握字符串处理的核心技能2025-08-08
这篇文章主要介绍了Python使用minidom读写xml的方法,实例分析了使用minidom模块操作XML文件的相关技巧,需要的朋友可以参考下2015-06-06
这篇文章主要介绍了Python 实现反转整数的案例(很容易懂的那种)，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2021-03-03
Python+Matplotlib实现给图像添加文本标签与注释
这篇文章主要为大家分享一下如何使用python+matplotlib给绘制的图像添加文本标签与注释。文中的示例代码讲解详细，感兴趣的可以了解一下2022-04-04
PaddleOCR是基于PaddlePaddle深度学习框架的开源OCR工具,但它提供了推理模型/训练模型/预训练模型,用户可以直接使用推理模型进行识别,也可以对训练模型或预训练模型进行再训练,这篇文章主要介绍了Python paddleocr快速使用及参数详解,需要的朋友可以参考下2024-06-06
最新评论