合并
在numpy中合并两个array
numpy中可以通过concatenate，参数axis=0表示在垂直方向上合并两个数组，等价于np.vstack；参数axis=1表示在水平方向上合并两个数组，等价于np.hstack。
垂直方向：
|
1
2
|
np.concatenate([arr1,arr2],axis=0)np.vstack([arr1,arr2]) |
水平方向：
|
1
2
|
np.concatenate([arr1,arr2],axis=1)np.hstack([arr1,arr2]) |
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
|
import numpy as npimport pandas as pdarr1=np.ones((3,5))arr1Out[5]: array([[ 1., 1., 1., 1., 1.], [ 1., 1., 1., 1., 1.], [ 1., 1., 1., 1., 1.]]) arr2=np.random.randn(15).reshape(arr1.shape)arr2Out[8]: array([[-0.09666833, 1.47064828, -1.94608976, 0.2651279 , -0.32894787], [ 1.01187699, 0.39171167, 1.49607091, 0.79216196, 0.33246644], [ 1.71266238, 0.86650837, 0.77830394, -0.90519422, 1.55410056]]) np.concatenate([arr1,arr2],axis=0) #在纵轴上合并Out[9]: array([[ 1. , 1. , 1. , 1. , 1. ], [ 1. , 1. , 1. , 1. , 1. ], [ 1. , 1. , 1. , 1. , 1. ], [-0.09666833, 1.47064828, -1.94608976, 0.2651279 , -0.32894787], [ 1.01187699, 0.39171167, 1.49607091, 0.79216196, 0.33246644], [ 1.71266238, 0.86650837, 0.77830394, -0.90519422, 1.55410056]])np.concatenate([arr1,arr2],axis=1) #在横轴上合并Out[10]: array([[ 1. , 1. , 1. , ..., -1.94608976, 0.2651279 , -0.32894787], [ 1. , 1. , 1. , ..., 1.49607091, 0.79216196, 0.33246644], [ 1. , 1. , 1. , ..., 0.77830394, -0.90519422, 1.55410056]]) |
在pandas中合并两个DataFrame
pandas中通过concat方法实现合并，指定参数axis=0 或者 axis=1，在纵轴和横轴上合并两个数组。与numpy不同，这里的两个dataframe要放在一个列表中，即[frame1,frame2]
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
from pandas import DataFrameframe1=DataFrame([[1,2,3],[4,5,6]])frame2=DataFrame([[7,8,9],[10,11,12]])pd.concat([frame1,frame2], ignore_index=True) # 合并的数组是一个可迭代的列表。Out[25]: 0 1 20 1 2 31 4 5 60 7 8 91 10 11 12pd.concat([frame1,frame2], axis=1, ignore_index=True)Out[27]: 0 1 2 3 4 50 1 2 3 7 8 91 4 5 6 10 11 12 |
拉直和重塑
拉直即把一个二维的array变成一个一维的array。默认情况下，Numpy数组是按行优先顺序创建。在空间方面，这就意味着，对于一个二维数字，每行中的数据项是存放在内在中相邻的位置上的。另一种顺序是列优先。
由于历史原因，行优先和列优先又分别被称为C和Fortran顺序。在Numpy中，可以通过关键字参数order=‘C' 和order=‘F' 来实现行优先和列优先。
拉直：
|
1
2
3
4
5
6
7
8
9
10
11
12
|
arr=np.arange(15).reshape(3,-1)arrOut[29]: array([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13, 14]]) arr.ravel('F') #按照列优先，扁平化。Out[30]: array([ 0, 5, 10, ..., 4, 9, 14])arr.ravel('C') # 默认顺序。#按照行优先，扁平化。Out[31]: array([ 0, 1, 2, ..., 12, 13, 14]) |
重塑：
Fortran顺序重塑后按列拉直和原数据按列拉直一样。
|
1
2
3
4
5
6
7
|
arr.reshape((5,3),order='F') Out[32]: array([[ 0, 11, 8], [ 5, 2, 13], [10, 7, 4], [ 1, 12, 9], [ 6, 3, 14]]) |
C顺序重塑后按行拉直和原数据按行拉直一样。
|
1
2
3
4
5
6
7
|
arr.reshape((5,3),order='C') Out[33]: array([[ 0, 1, 2], [ 3, 4, 5], [ 6, 7, 8], [ 9, 10, 11], [12, 13, 14]]) |
以上这篇numpy和pandas中数组的合并、拉直和重塑实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/zhanshirj/article/details/73302401
