Python对数据shape常见操作有哪些-创新互联
这篇文章给大家分享的是有关Python对数据shape常见操作有哪些的内容。小编觉得挺实用的,因此分享给大家做个参考,一起跟随小编过来看看吧。
10多年的兴国网站建设经验,针对设计、前端、开发、售后、文案、推广等六对一服务,响应快,48小时及时工作处理。成都全网营销的优势是能够根据用户设备显示端的尺寸不同,自动调整兴国建站的显示方式,使网站能够适用不同显示终端,在浏览器中调整网站的宽度,无论在任何一种浏览器上浏览网站,都能展现优雅布局与设计,从而大程度地提升浏览体验。创新互联建站从事“兴国网站设计”,“兴国网站推广”以来,每个客户项目都认真落实执行。一、数据的基本属性
求一组数据的长度
a = [1,2,3,4,5,6,7,8,9,10,11,12] print(len(a)) print(np.size(a))
求一组数据的shape
list是没有shape属性的,所以需要把它转换成np或者使用np.shape()
b = [[1,2,3],[4,5,6],[7,8,9]] print(np.shape(b)) print(np.array(b).shape)
二、数据的拼接
append是直接将数组或者数据直接追加到下一个元素的位置,而extend是将数据最外层的[]去掉后追加。
c = [1,1,1,1] d = [[2,2],[[2,2],[2,2]]] c.append([1,2,3]) d.extend([1,2,3]) [1, 1, 1, 1, [1, 2, 3]] [[2, 2], [[2, 2], [2, 2]], 1, 2, 3]
另外也可以通过numpy中的方法来进行拼接
其中np.concatenate()的作用更偏向与数据的连接,通过其中的axis参数可以进行指定行列的拼接。
而np.append()的作用是将value b追加到arr a中。
c = np.concatenate((a, b)) d = np.append(a,b) print(c) print(d) [1 1 1 1 2 2 2 2] [1 1 1 1 2 2 2 2]
三、数据的shape的转换
1、转置
数据的转置也经常会用到,通常可以用到numpy的transpose()方法或者直接将数据转换为numpy array后用.T或者用reshape()方法。
a = [[1,1,1], [1,1,1]] b = [[2,2,2], [2,2,2]] c = [[3,3,3], [3,3,3]] b = np.array(b) c = np.array(c) print(np.transpose(a)) print(b.T) print(np.reshape(c, (c.shape[1], c.shape[0]))) [[1 1] [1 1] [1 1]] [[2 2] [2 2] [2 2]] [[3 3] [3 3] [3 3]]
2、数据展开
如果是一个多维的数组,可以直接使用np.reshape(-1)来进行转换,reshape是一个很好用的函数,其中的参数含义后面会讲到。
c = [[[3,3,3], [3,3,3]], [[2,2,2], [2,2,2]]] print(np.reshape(c, -1)) [3 3 3 3 3 3 2 2 2 2 2 2]
3、维度转换
有时候可能会用到将一个一维的数组转换为二维,或者是在column方向或row方向上增加维度。
当给col方向增加维度时,可以直接arr[:,np.newaxis],
给row方向增加维度时,可以arr[np.newaxis,:]
另外,这里的np.newaxis可以这样理解:
一个[1,2,3,4,5]数组的shape是(5,),如果对它[:,np.newaix]的话,得到的shape就是(5,1)
对它[np.newaix, :]的话,得到的结果就是(1,5)。所以说newaxis加在哪个位置,哪个位置相应的维度就会产生一个新的维度。
a = np.array([1,1,1,1]) b = a[np.newaxis,:] c = a[:,np.newaxis] print(b) print(c) [[1 1 1 1]] [[1] [1] [1] [1]]
另外再说一个将多维数组转换为一维的两种方法:arr.ravel()和arr.flatten()。
两者的不同之处在于arr.flatten()返回的是arr展开后的数组的复制,而arr.ravel()返回的是arr展开后的本身。
一个是对值的操作,另一个是对地址的操作。
类似c、c++中的指针。
a = np.array([[1,2,3]]) b = np.array([[1,2,3]]) a1 = a.flatten() b1 = b.ravel() print(a) print(b) a1[0] = 8 b1[0] = 8 print(a) print(b) [[1 2 3]] [[1 2 3]] [[1 2 3]] [[8 2 3]]
4、reshape
def reshape(a, newshape, order='C'):
其中newshape参数可以传入一个[]或者tuple。
当数据的形状不确定时,如果想转换为1行,列数不确定的话,newshape可以传入(1, -1);
如果想转换为1列,行数不确定的话,newshape可以传入(-1, 1);
同理如果是2列或者2行的话,就是(-1, 2)或者(2,-1)。
其中-1代表的是一个模糊控制,就是不确定的意思。
a = [[1,1,1], [1,1,1]] b = [[2,2,2], [2,2,2]] c = [[[3,3,3], [3,3,3]], [[2,2,2], [2,2,2]]] print(np.reshape(c, [-1, 1])) print(np.reshape(b, [-1, 1])) print(np.reshape(c, [2, -1])) [[3] [3] [3] [3] [3] [3] [2] [2] [2] [2] [2] [2]] [[2] [2] [2] [2] [2] [2]] [[3 3 3 3 3 3] [2 2 2 2 2 2]]
感谢各位的阅读!关于“Python对数据shape常见操作有哪些”这篇文章就分享到这里了,希望以上内容可以对大家有一定的帮助,让大家可以学到更多知识,如果觉得文章不错,可以把它分享出去让更多的人看到吧!
新闻名称:Python对数据shape常见操作有哪些-创新互联
文章URL:http://scyanting.com/article/dsjogs.html