Numpy—数组的分隔与转置

这篇具有很好参考价值的文章主要介绍了Numpy—数组的分隔与转置。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

⛳数组的切分

  • split 分隔
    • numpy.split 函数沿特定 的轴将数组分割为子数组,格式如下: numpy.split(ary, indices_or_sections, axis)
    • 参数说明:
      • arry:被分割的数组。
      • indices_or_sections:如果是一个整数,就用该数平均切分,如果是一个数组,为沿轴切 分的位置。
      • axis:沿着哪个维度进行切分,默认为 0,横向切分。为 1 时,纵向切分。
⛳transpose方法-数组的转置
  • NumPy是一个用于进行科学计算的Python库,其中包含了许多用于数组操作的函数和方法。transpose()是NumPy数组对象的方法之一,用于对数组进行转置操作。

  • 在NumPy中,可以使用transpose()方法来交换数组的维度。该方法返回一个新的数组视图,而不改变原始数组。

下面是transpose()方法的基本语法:

numpy.transpose(arr, axes)

参数说明:

  • arr:要进行转置操作的数组。
  • axes(可选):指定转置的维度顺序。它是一个整数元组,用于重新排列数组的轴。如果没有指定该参数,则默认为None。

示例用法:

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])
transposed_arr = np.transpose(arr)

print("Original Array:")
print(arr)

print("\nTransposed Array:")
print(transposed_arr)

输出结果:

Original Array:
[[1 2 3]
 [4 5 6]]

Transposed Array:
[[1 4]
 [2 5]
 [3 6]]

在这个例子中,原始数组arr是一个2x3的数组。通过使用transpose()方法,我们将其转置为一个3x2的数组transposed_arr,其中原始数组的行变为转置数组的列。

注意:transpose()方法只是交换了数组的维度顺序,而不会改变数组中的实际元素顺序。如果想要改变数组中的元素顺序,可以使用reshape()方法或其他相关方法来重新排列数组。

🎯实战

# coding: utf-8

import numpy as np

x = np.arange(1, 9)
a = np.split(x, 4)
print(a)
print(a[0])
print(a[1])
print(a[2])
print(a[3])
# 传递数组进行分隔
b = np.split(x, [3, 5])
print(b)

# split()函数分隔二维数组
a = np.array([[1, 2, 3], [4, 5, 6], [11, 12, 13], [14, 15, 16]])
print('axis=0 垂直方向 平均分隔')
r = np.split(a, 2, axis=0)
print(r[0])
print(r[1])
print('axis=1 水平方向 按位置分隔')
r = np.split(a, [2], axis=1)
print(r)
print('=' * 30)

# hsplit()的使用
grid = np.arange(16).reshape(4, 4)
a, b = np.hsplit(grid, 2)
print(a)
print(b)

# vsplit()的使用
arr = np.arange(16).reshape(4, 4)
a, b = np.vsplit(arr, [3])
print('vsplit(arr, [3])的结果:')
print(a)
print(b)
print('vsplit(arr, [1, 3])的结果:')
a, b, c = np.vsplit(arr, [1, 3])
print(a)
print(b)
print(c)

# transpose()函数的使用
# transpose 进行转置
# 二维转置
a = np.arange(1, 13).reshape(2, 6)
print('原数组a')
print(a)
print('转置后的数组')
print(a.transpose())

# 多维数组转置
aaa = np.arange(1, 37).reshape(1, 3, 3, 4)
# 将1, 3, 3, 4转换为3, 3, 4, 1
print(np.transpose(aaa, [1, 2, 3, 0]).shape)

result:文章来源地址https://www.toymoban.com/news/detail-614112.html

[array([1, 2]), array([3, 4]), array([5, 6]), array([7, 8])]
[1 2]
[3 4]
[5 6]
[7 8]
[array([1, 2, 3]), array([4, 5]), array([6, 7, 8])]
axis=0 垂直方向 平均分隔
[[1 2 3]
 [4 5 6]]
[[11 12 13]
 [14 15 16]]
axis=1 水平方向 按位置分隔
[array([[ 1,  2],
       [ 4,  5],
       [11, 12],
       [14, 15]]), array([[ 3],
       [ 6],
       [13],
       [16]])]
==============================
[[ 0  1]
 [ 4  5]
 [ 8  9]
 [12 13]]
[[ 2  3]
 [ 6  7]
 [10 11]
 [14 15]]
vsplit(arr, [3])的结果:
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
[[12 13 14 15]]
vsplit(arr, [1, 3])的结果:
[[0 1 2 3]]
[[ 4  5  6  7]
 [ 8  9 10 11]]
[[12 13 14 15]]
原数组a
[[ 1  2  3  4  5  6]
 [ 7  8  9 10 11 12]]
转置后的数组
[[ 1  7]
 [ 2  8]
 [ 3  9]
 [ 4 10]
 [ 5 11]
 [ 6 12]]
(3, 3, 4, 1)

进程已结束,退出代码0

到了这里,关于Numpy—数组的分隔与转置的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网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TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【数据科学和可视化】反思十年数据科学和可视化工具的未来

    数据科学在过去十年中呈爆炸式增长,改变了我们开展业务的方式,并让下一代年轻人为未来的工作做好准备。但是这种快速增长伴随着对数据科学工作的不断发展的理解,这导致我们在如何使用数据科学从我们的大量数据中获得可操作的见解方面存在很多模糊性。 在数据科

    2024年02月11日
    浏览(45)
  • 科学计算库——numpy

    numpy作为高性能科学计算和数据分析的基础包,它是众多数据分析、机器学习等工具的基础架构,掌握numpy的功能及其用法将有助于后续其他数据分析工具的学习。本章将针对numpy库的基础功能进行详细地讲解。 numpy中提供了一个重要的数据结构是ndarray(又称为array)对象,该

    2023年04月23日
    浏览(38)
  • 科学计算库—numpy随笔

    本质是多维 数组对象 list 类型转为 numpy 数组 更有利科学计算 8.1.1、为什么用 numpy? 1.虽然Python数组结构中的列表list实际上就是数组,但是列表list保存的是对象的指针,list中的元素在系统内存中是分散存储的,例如[0,1,2]需要3个指针和3个整数对象,浪费内存和计算时间。

    2024年02月02日
    浏览(65)
  • WebGL中开发科学数据可视化应用

    WebGL在科学数据可视化领域有广泛的应用,可以用于呈现和解释复杂的科学数据。以下是在WebGL中开发科学数据可视化应用时的一些建议,希望对大家有所帮助。北京木奇移动技术有限公司,专业的软件外包开发公司,欢迎交流合作。 1.选择合适的WebGL框架或库: 利用现有的

    2024年02月22日
    浏览(40)
  • 1、NumPy简介:开启Python科学计算之旅

    系列文章:Numpy系列文章-CSDN博客       目录 什么是 NumPy? 为什么要使用 NumPy? 安装和设置 NumPy 环境 开始使用 NumPy        在数据科学、人工智能和科学计算的世界中,Python 已经成为了一种主流的编程语言。这一现象的背后,有一个非常重要的推手,那就是 NumPy。Num

    2024年01月19日
    浏览(38)
  • 【Python】数据科学工具(Numpy Pandas np.array() 创建访问数组 向量与矩阵 Series DataFrame)

    1.Numpy numpy是Python中一个非常重要的科学计算库,其最基础的功能就是N维数组对象——ndarray。 1.1 数组的创建 1)np.array() 用 np.array() 函数可以将Python的序列对象(如列表、元组)转换为ndarray数组。 2)arange、linspace、logspace np.arange(start, stop, step) :创建一个一维数组,其中的值

    2024年02月10日
    浏览(47)
  • 深入探索NumPy:科学计算利器的常用函数大全【第86篇—NumPy常用函数大全】

    在数据科学和机器学习领域,NumPy(Numerical Python)模块是Python中最常用的科学计算库之一。它提供了丰富的功能,包括数组操作、数学函数、统计方法等,为数据处理和分析提供了强大的工具。本文将重点介绍NumPy模块中常用的函数,涵盖字符串处理、数学运算、算术操作、

    2024年02月20日
    浏览(40)
  • 在科学计算领域独领风骚,NumPy书写辉煌传奇

    在数字世界的边缘,有一座神奇的城市,这座城市由无数个数据点和向量构成,街道上流淌着数不清的数组和矩阵。在城市的中心,耸立着一座巨大的科学计算塔,它的外墙是由数学符号和代码构成,散发着闪烁的数字光芒。城里的居民们穿梭于数组的巷道间,驾驭着向量的

    2024年03月24日
    浏览(40)
  • 智慧农业:温室大棚物联网系统,助力实现可视化科学管理

    我国传统农业的特点是靠天吃饭,而智慧农业发端于物联网设备和对应的农业信息化管理系统,是利用数字技术、数据分析和人工智能等先进技术手段,对农业生产进行精细化管理和智能化决策的一种新型农业生产模式。它可以通过实时监测、预测和调控土壤、气象、水文、

    2024年02月13日
    浏览(58)
  • 【Python数据科学快速入门系列 | 06】Matplotlib数据可视化基础入门(一)

    这是机器未来的第52篇文章 原文首发地址:https://robotsfutures.blog.csdn.net/article/details/126899226 【Python数据科学快速入门系列 | 01】Numpy初窥——基础概念 【Python数据科学快速入门系列 | 02】创建ndarray对象的十多种方法 【Python数据科学快速入门系列 | 03】玩转数据摘取:Numpy的索引

    2024年02月03日
    浏览(46)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包