numpy 合并数组和切割数组

一、合并数组

可以在不同的轴上堆积数组：

>>> a = np.floor(10*np.random.random((2,2)))
>>> a
array([[ 8.,  8.],
       [ 0.,  0.]])
>>> b = np.floor(10*np.random.random((2,2)))
>>> b
array([[ 1.,  8.],
       [ 0.,  4.]])
>>> np.vstack((a,b))
array([[ 8.,  8.],
       [ 0.,  0.],
       [ 1.,  8.],
       [ 0.,  4.]])
>>> np.hstack((a,b))
array([[ 8.,  8.,  1.,  8.],
       [ 0.,  0.,  0.,  4.]])

注意：

• 不同于reshape方法，vstack和hstack是numpy级别的功能，不能通过数组对象来调用
• v和h实际上就是垂直方向和水平方向，英文字母
• 参数要以元组的方式提供

numpy还有一个concatenate方法,既可以垂直拼接也可以水平拼接，是通过axis参数进行区分，其工作机制比较难以理解和记忆，建议查看范例，对照使用：

>>> np.concatenate((a, b), axis=0)

array([[ 8.,  8.],
       [ 0.,  0.],
       [ 1.,  8.],
       [ 0.,  4.]])

>>> np.concatenate((a, b), axis=1)

array([[ 8.,  8.,  1.,  8.],
       [ 0.,  0.,  0.,  4.]])
>>>arr1 = np.array([1, 2, 3])
>>>arr2 = np.array([4, 5, 6])

>>> np.concatenate((arr1, arr2), axis=0)

array([1 2 3 4 5 6])

concatenate方法在合并的时候，两个数组必须处在同一维度，否则会报错。axis参数可以赋值的数值个数取决于数组的维度数。

重要提示：在numpy中，一维和多维，垂直和水平，不同的操作可能产生完全不同的结果和逻辑。最好的办法是现用现查，或者写个例子测试一下！

二、切割数组

使用hsplit，可以沿着数组的水平轴拆分数组，方法是指定要返回的相等形状数组的数目，或者指定在其后面进行拆分的列：

>>> a = np.floor(10*np.random.random((2,12)))
>>> a
array([[ 9.,  5.,  6.,  3.,  6.,  8.,  0.,  7.,  9.,  7.,  2.,  7.],
       [ 1.,  4.,  9.,  2.,  2.,  1.,  0.,  6.,  2.,  2.,  4.,  0.]])
>>> np.hsplit(a,3)   # 将数据均匀分割成3份
[array([[ 9.,  5.,  6.,  3.],
       [ 1.,  4.,  9.,  2.]]), array([[ 6.,  8.,  0.,  7.],
       [ 2.,  1.,  0.,  6.]]), array([[ 9.,  7.,  2.,  7.],
       [ 2.,  2.,  4.,  0.]])]
>>> np.hsplit(a,(3,4))   # 在指定的列位置，分割数组
[array([[ 9.,  5.,  6.],
       [ 1.,  4.,  9.]]), array([[ 3.],
       [ 2.]]), array([[ 6.,  8.,  0.,  7.,  9.,  7.,  2.,  7.],
       [ 2.,  1.,  0.,  6.,  2.,  2.,  4.,  0.]])]

显然有vsplit方法，对数组进行垂直方向的分割；也有split方法综合了两个方法的功能，可以指定分割的轴。

使用方式与上面的一致。