百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

【Python数据分析系列】全面梳理数组维度转化和堆叠操作(案例)

ztj100 2024-11-08 15:06 22 浏览 0 评论

这是Python数据分析系列原创文章,我的第184篇原创文章。

一、问题

在做数据分析和机器学习任务的时候,经常会遇到数据的重组,这就涉及到关于数组的维度转化和堆叠问题,本文将详细总结数据的堆叠操作方法。希望读者自己能够感悟其中的区别。

二、数组的属性和方法

数据准备

Bash
import numpy as np

X1 = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])
X2 = np.array([[1, 2, 3, 4],
              [5, 6, 7, 8],
              [9, 10, 11, 12]])

2.1 尺寸、形状、长度

Bash
print('元素数量', X2.size)  # 输出数组元素的个数
print('行数', np.size(X2, 0), '列数', np.size(X2, 1)) # 输出行数和列数
print("维度:", X2.shape)   # 输出数组的形状(维度)
print('行数', X2.shape[0], '列数', X2.shape[1])  # 输出行数和列数
print('长度', len(X2))  # 输出数组的长度

输出结果:

2.2 一维数组转二维

X3 = X1.reshape(len(X1), 1)
X4 = np.reshape(X1, (-1, 1))

以上两种方法等价,np.reshape函数可以在不改变数组元素的情况下改变数组的形状,但是需要确保新的形状与原数组的元素数量匹配。

2.3 二维数组转一维

X5 = X2.flatten()

np.flatten方法返回一个展平后的一维数组,其中元素按照原数组的顺序排列。

三、创建数组

3.1 根据一组索引号创建数组

# 索引和数据
l1 = [0, 1, 2]
l2 = [0, 5, 2]
data = [55, 58, 58]
indices = list(zip(l1, l2))
# 确定二维数组的大小
max_index = np.max(indices, axis=0)
rows, cols = max_index[0] + 1, max_index[1] + 1
# 创建初始的二维数组
arr = np.zeros((rows, cols))
# 根据索引和数据填充二维数组
for idx, value in zip(indices, data):
    arr[idx] = value
print(arr)
# 绘制数据的热力图
# ax = sns.heatmap(arr)
# plt.show()

arr如下:arr[0][0]=55;arr[1][5]=55;arr[2][2]=55;

3.2 np.random()随机数生成数组

np.random.seed(0)
data = np.random.rand(10, 12)

np.random.rand()返回一个或一组服从“0~1”均匀分布的随机样本值。随机样本取值范围是[0,1),不包括1。

np.random.randn()返回一个或一组服从标准正态分布的随机样本值。

np.random.seed(0)
data = np.random.randint(2, high=10, size=(2,3))

numpy.random.randint()返回一个随机整型数

np.random.seed(0)
data = np.random.random((3, 4))

np.random.random()返回[0,1)之间的浮点数

三、数组堆叠操作

准备数据

a1 = np.array([1, 3, 4])    # shape (3,)
a2 = np.array([4, 6, 7])    # shape (3,)
a3 = np.array([8, 10, 14])    # shape (3,)
b1 = np.array([[1,2,3],[4,5,6]])  # shape (3, 3)
b2 = np.array([[11,21,31],[7,8,9]])  # shape (3, 3)

3.1 stack()

c1 = np.stack((a1, a2, a3), axis=0)
c2 = np.stack((a1, a2, a3), axis=1)

np.stack是NumPy库中的一个函数,用于沿新的轴将多个数组堆叠在一起。它可以用于在新的维度上将多个数组进行堆叠,从而创建一个更高维度的数组。需要注意的是,堆叠的数组必须具有相同的形状。

以上是在第一个维度上(行)进行堆叠的结果

以上是在第二个维度(列)上进行堆叠的结果

3.2 vstack()

d1 = np.vstack((a1, a2, a3))

np.vstack是NumPy库中的一个函数,用于沿垂直方向(行方向)将多个数组堆叠在一起。它可以将多个数组垂直堆叠成一个更大的数组。需要注意的是,堆叠的数组在除了垂直方向(行方向)以外的其他维度上必须具有相同的形状。

以上是堆叠的结果,沿行方向,列数不变。

3.3 hstack()

e1 = np.hstack((a1, a2, a3))

np.hstack是NumPy库中的一个函数,用于沿水平方向(列方向)将多个数组堆叠在一起。它可以将多个数组水平堆叠成一个更大的数组。需要注意的是,堆叠的数组在除了水平方向(列方向)以外的其他维度上必须具有相同的形状。

以上是堆叠的结果,沿列方向,行数不变。

3.4 dstack()

f1 = np.dstack((a1, a2, a3))

np.dstack是NumPy库中的一个函数,用于沿深度方向(第三维度)将多个数组堆叠在一起。它可以将多个二维数组沿深度方向堆叠成一个更大的三维数组。需要注意的是,堆叠的数组在除了深度方向(第三维度)以外的其他维度上必须具有相同的形状。

3.5 row_stack()

g1 = np.row_stack((a1, a2, a3))

np.row_stack是NumPy库中的一个函数,用于沿行方向将多个数组堆叠在一起。它可以将多个数组按行堆叠成一个更大的数组。需要注意的是,堆叠的数组在除了行方向以外的其他维度上必须具有相同的形状。

以上是堆叠的结果

3.6 column_stack()

h1 = np.column_stack((a1, a2, a3))

np.column_stack是NumPy库中的一个函数,用于沿列方向将多个数组堆叠在一起。它可以将多个数组按列堆叠成一个更大的数组。需要注意的是,堆叠的数组在除了列方向以外的其他维度上必须具有相同的形状。

以上是堆叠的结果

3.7 concatenate()

i1 = np.concatenate((a1, a2, a3), axis=0)
i2 = np.concatenate((b1, b2), axis=1)

np.concatenate是NumPy库中的一个函数,用于沿指定轴将多个数组连接在一起。它可以将多个数组在指定的轴上进行连接,生成一个更大的数组。需要注意的是,连接的数组在除了指定轴以外的其他维度上必须具有相同的形状。

i1结果:

i2结果:

本期内容就到这里,我们下期再见!需要数据集和源码的小伙伴可以关注私信作者!

作者简介:

读研期间发表6篇SCI数据算法相关论文,目前在某研究院从事数据算法相关研究工作,结合自身科研实践经历不定期持续分享关于Python、数据分析、特征工程、机器学习、深度学习、人工智能系列基础知识与案例。

致力于只做原创,以最简单的方式理解和学习,关注我一起交流成长。

原文链接:

【Python数据分析系列】一文帮你全面梳理数组的维度转化和堆叠操作(案例+源码)

相关推荐

Sublime Text 4 稳定版 Build 4113 发布

IT之家7月18日消息知名编辑器SublimeText4近日发布了Build4113版本,是SublimeText4的第二个稳定版。IT之家了解到,SublimeTe...

【小白课程】openKylin便签贴的设计与实现

openKylin便签贴作为侧边栏的一个小插件,提供便捷的文本记录和灵活的页面展示。openKylin便签贴分为两个部分:便签列表...

“告别 Neovim!为什么我投奔了刚开源的 Zed 编辑器?”

...

壹啦罐罐 Android 手机里的 Xposed 都装了啥

这是少数派推出的系列专题,叫做「我的手机里都装了啥」。这个系列将邀请到不同的玩家,从他们各自的角度介绍手机中最爱的或是日常使用最频繁的App。文章将以「每周一篇」的频率更新,内容范围会包括iOS、...

电气自动化专业词汇中英文对照表(电气自动化专业英语单词)

专业词汇中英文对照表...

Python界面设计Tkinter模块的核心组件

我们使用一个模块,我们要熟悉这个模块的主要元件。如我们设计一个窗口,我们可以用Tk()来完成创建;一些交互元素,按钮、标签、编辑框用到控件;怎么去布局你的界面,我们可以用到pack()、grid()...

以色列发现“死海古卷”新残片(死海古卷是真的吗)

编译|陈家琦据艺术新闻网(artnews.com)报道,3月16日,以色列考古学家发现了死海古卷(DeadSeaScrolls)新残片。新出土的羊皮纸残片中包括以希腊文书写的《十二先知书》段落,这...

鸿蒙Next仓颉语言开发实战教程:订单列表

大家上午好,最近不断有友友反馈仓颉语言和ArkTs很像,所以要注意不要混淆。今天要分享的是仓颉语言开发商城应用的订单列表页。首先来分析一下这个页面,它分为三大部分,分别是导航栏、订单类型和订单列表部分...

哪些模块可以用在 Xposed for Lollipop 上?Xposed 模块兼容性解答

虽然已经有了XposedforLollipop的安装教程,但由于其还处在alpha阶段,一些Xposed模块能不能依赖其正常工作还未可知。为了解决大家对于模块兼容性的疑惑,笔者尽可能多...

利用 Fluid 自制 Mac 版 Overcast 应用

我喜爱收听播客,健身、上/下班途中,工作中,甚至是忙着做家务时。大多数情况下我会用MarcoArment开发的Overcast(Freemium)在iPhone上收听,这是我目前最喜爱的Po...

Avalonia日志组件实现与优化指南(ar日志表扣)

...

浅色Al云食堂APP代码(三)(手机云食堂)

以下是进一步优化完善后的浅色AI云食堂APP完整代码,新增了数据可视化、用户反馈、智能推荐等功能,并优化了代码结构和性能。项目结构...

实战PyQt5: 121-使用QImage实现一个看图应用

QImage简介QImage类提供了独立于硬件的图像表示形式,该图像表示形式可以直接访问像素数据,并且可以用作绘制设备。QImage是QPaintDevice子类,因此可以使用QPainter直接在图...

滚动条隐藏及美化(滚动条隐藏但是可以滚动)

1、滚动条隐藏背景/场景:在移动端,滑动的时候,会显示默认滚动条,如图1://隐藏代码:/*隐藏滚轮*/.ul-scrool-box::-webkit-scrollbar,.ul-scrool...

浅色AI云食堂APP完整代码(二)(ai 食堂)

以下是整合后的浅色AI云食堂APP完整代码,包含后端核心功能、前端界面以及优化增强功能。项目采用Django框架开发,支持库存管理、订单处理、财务管理等核心功能,并包含库存预警、数据导出、权限管理等增...

取消回复欢迎 发表评论: