numpy和pandas中數(shù)組的合并、拉直和重塑實(shí)例
合并
在numpy中合并兩個array
numpy中可以通過concatenate，參數(shù)axis=0表示在垂直方向上合并兩個數(shù)組，等價于np.vstack；參數(shù)axis=1表示在水平方向上合并兩個數(shù)組，等價于np.hstack。
垂直方向：
np.concatenate([arr1,arr2],axis=0) np.vstack([arr1,arr2])
水平方向：
np.concatenate([arr1,arr2],axis=1) np.hstack([arr1,arr2])
import numpy as np
import pandas as pd
arr1=np.ones((3,5))
arr1
Out[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)
arr2
Out[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) #在縱軸上合并
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) #在橫軸上合并
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中合并兩個DataFrame
pandas中通過concat方法實(shí)現(xiàn)合并，指定參數(shù)axis=0 或者 axis=1，在縱軸和橫軸上合并兩個數(shù)組。與numpy不同，這里的兩個dataframe要放在一個列表中，即[frame1,frame2]
from pandas import DataFrame frame1=DataFrame([[1,2,3],[4,5,6]]) frame2=DataFrame([[7,8,9],[10,11,12]]) pd.concat([frame1,frame2], ignore_index=True) # 合并的數(shù)組是一個可迭代的列表。 Out[25]: 0 1 2 0 1 2 3 1 4 5 6 0 7 8 9 1 10 11 12 pd.concat([frame1,frame2], axis=1, ignore_index=True) Out[27]: 0 1 2 3 4 5 0 1 2 3 7 8 9 1 4 5 6 10 11 12
拉直和重塑
拉直即把一個二維的array變成一個一維的array。默認(rèn)情況下，Numpy數(shù)組是按行優(yōu)先順序創(chuàng)建。在空間方面，這就意味著，對于一個二維數(shù)字，每行中的數(shù)據(jù)項(xiàng)是存放在內(nèi)在中相鄰的位置上的。另一種順序是列優(yōu)先。
由于歷史原因，行優(yōu)先和列優(yōu)先又分別被稱為C和Fortran順序。在Numpy中，可以通過關(guān)鍵字參數(shù)order=‘C' 和order=‘F' 來實(shí)現(xiàn)行優(yōu)先和列優(yōu)先。
拉直：
arr=np.arange(15).reshape(3,-1)
arr
Out[29]:
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14]])
arr.ravel('F') #按照列優(yōu)先，扁平化。
Out[30]: array([ 0, 5, 10, ..., 4, 9, 14])
arr.ravel('C') # 默認(rèn)順序。#按照行優(yōu)先，扁平化。
Out[31]: array([ 0, 1, 2, ..., 12, 13, 14])
重塑：
Fortran順序重塑后按列拉直和原數(shù)據(jù)按列拉直一樣。
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順序重塑后按行拉直和原數(shù)據(jù)按行拉直一樣。
arr.reshape((5,3),order='C')
Out[33]:
array([[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 9, 10, 11],
[12, 13, 14]])
以上這篇numpy和pandas中數(shù)組的合并、拉直和重塑實(shí)例就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關(guān)文章
今天小編就為大家分享一篇python 計算數(shù)據(jù)偏差和峰度的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-06-06
本文主要介紹了Django實(shí)現(xiàn)視頻播放的具體示例，文中通過示例代碼介紹的非常詳細(xì)，具有一定的參考價值，感興趣的小伙伴們可以參考一下<BR>2022-05-05
Python利用capstone實(shí)現(xiàn)反匯編
Capstone是一個輕量級的多平臺、多架構(gòu)的反匯編框架，該模塊支持目前所有通用操作系統(tǒng)，反匯編架構(gòu)幾乎全部支持。本文就將利用他實(shí)現(xiàn)反匯編，感興趣的可以了解下2022-04-04
pip安裝提示Twisted錯誤問題（Python3.6.4安裝Twisted錯誤）
這篇文章主要介紹了pip安裝提示Twisted錯誤問題（Python3.6.4安裝Twisted錯誤）,本文給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下2020-05-05
如果說在Python語言中找一個最優(yōu)秀的數(shù)據(jù)類型，那無疑是列表，如果要在推薦一個，那我選擇元組。本篇文章我們的重心會放在列表上，元組可以看成不能被修改的列表，感興趣的可以了解一下2022-10-10
Pyinstaller 打包發(fā)布經(jīng)驗(yàn)總結(jié)
這篇文章主要介紹了Pyinstaller 打包發(fā)布經(jīng)驗(yàn)總結(jié),使用Pyinstaller打包Python項(xiàng)目包含了大量的坑，感興趣的可以一起來了解一下2020-06-06
python Pexpect 實(shí)現(xiàn)輸密碼 scp 拷貝的方法
今天小編就為大家分享一篇python Pexpect 實(shí)現(xiàn)輸密碼 scp 拷貝的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-01-01
python實(shí)現(xiàn)一個函數(shù)版的名片管理系統(tǒng)過程解析
這篇文章主要介紹了python實(shí)現(xiàn)一個函數(shù)版的名片管理系統(tǒng)過程解析,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2019-08-08
下面小編就為大家分享一篇淺談python配置與使用OpenCV踩的一些坑，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-04-04
這篇文章主要介紹了Django的models模型的具體使用，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-07-07