下面为大家分享一篇详谈numpy中数组重塑、合并与拆分方法，具有很好的参考价值，希望对大家有所帮助。一起过来看看吧
1.数组重塑
1.1一维数组转变成二维数组
通过reshape( )函数即可实现，假设data是numpy.array类型的一维数组array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])，现将其转变为2行5列的二维数组，代码如下：
data.reshape((2,5))
作为参数的形状的其中一维可以是-1，它表示该维度的大小由数据本身推断而来，因此上面代码等价于：
data.reshape((2,-1))
1.2二维数组转换成一维数组
将多维数组转换成一维数组的运算通常称为扁平化（flattening）或散开（raveling）,因此有两个函数可供选择。执行代码如下：
data.ravel() # 不会产生源数据的副本 data.flatten() # 总是返回数据的副本
关于这两点的区别，理解的不是很透彻。有人懂得话，欢迎评论交流。
2.数组的合并和拆分
2.1数组的合并
numpy提供许多数组合并的方法，这里只介绍最为常用的一种，即concatenate方法，代码如下：
arr1 = np.array([[1,2,3], [4,5,6]]) arr2 = np.array([[7,8,9], [10,11,12]]) data = np.concatenate([arr1, arr2], axis=0) # axis参数指明合并的轴向，0表示按行，1表示按列
2.2数组的拆分
这里只介绍split函数
np.split(data, [1], axis=0)#data为拆分的数组，[1]为拆分的行号或列号，axis表明按列或者行进行拆分（默认为0，即按行拆分）
相关推荐：
