4. 操作多维数组

  1. numpy.concatenate((a1, a2, ...), axis=0)：连接多个数组。其中(a1,a2,...)为数组的序列，给出了待连接的数组，它们沿着axis指定的轴连接。

    • 所有的这些数组的形状，除了axis轴之外都相同 concatenate

    • numpy.vstack(tup):等价于numpy.concatenate((a1, a2, ...), axis=0)。沿着 0 轴拼接数组

      • 沿0轴拼接（垂直拼接），增加行

    • numpy.hstack(tup):等价于numpy.concatenate((a1, a2, ...), axis=1)。沿着 1 轴拼接数组

      • 沿1轴拼接（水平拼接），增加列

    • numpy.column_stack(tup)：类似于hstack，但是如果被拼接的数组是一维的，则将其形状修改为二维的(N,1)。

      • 沿列方向拼接，增加列

    • numpy.c_对象的[]方法也可以用于按列连接数组。但是如果被拼接的数组是一维的，则将其形状修改为二维的(N,1)。

      • 沿列方向拼接，增加列

    hstack_vstack1

    hstack_vstack2

  3. numpy.split(ary, indices_or_sections, axis=0)用于沿着指定的轴拆分数组ary。indices_or_sections指定了拆分点：

    • 如果为整数N，则表示平均拆分成N份。如果不能平均拆分，则报错
    • 如果为序列，则该序列指定了划分区间（无需指定最开始的0起点和终点）。如[1,3]指定了区间：[0,1],[1,3],[3:]

    而numpy.array_split(ary, indices_or_sections, axis=0)的作用也是类似。唯一的区别在于：当indices_or_sections为整数，且无法平均拆分时，并不报错，而是尽可能的维持平均拆分。 split

  4. numpy.transpose(a, axes=None)：重置轴序。如果axes=None，则默认重置为逆序的轴序（如原来的shape=(1,2,3)，逆序之后为(3,2,1)）。如果axes!=None，则要给出重置后的轴序。它获得的是原数组的视图。

    numpy.swapaxes(a, axis1, axis2)：交换指定的两个轴axis1/axis2。它获得是原数组的视图。

    transpose