numpy 배열 splicing_python의 간단한 예

이 글은 numpy 배열 소개, numpy 배열의 속성 등을 포함하여 numpy 배열 접합의 간단한 예를 주로 소개합니다. 필요한 친구가 참조할 수 있습니다.

NumPy 배열은 ndarray라는 다차원 배열 객체입니다. 이는 두 부분으로 구성됩니다.

·실제 데이터

·이러한 데이터를 설명하는 메타데이터

대부분의 작업은 메타데이터만 대상으로 하며 기본 실제 데이터를 변경하지 않습니다.

NumPy 배열에 대해 알아야 할 몇 가지 사항이 있습니다.

·NumPy 배열의 첨자는 0부터 시작합니다.

·동일한 NumPy 배열에 있는 모든 요소의 유형은 동일해야 합니다.

NumPy 배열 속성

NumPy 배열을 자세히 소개하기 전에. 먼저 NumPy 배열의 기본 속성을 자세히 소개하겠습니다. NumPy 배열의 차원을 순위라고 합니다. 1차원 배열의 순위는 1이고, 2차원 배열의 순위는 2입니다. NumPy에서는 각 선형 배열을 축(axes)이라고 하며, 순위는 실제로 축의 수를 나타냅니다. 예를 들어, 2차원 배열은 두 개의 1차원 배열과 동일합니다. 여기서 첫 번째 1차원 배열의 각 요소는 또 다른 1차원 배열입니다. 따라서 1차원 배열은 NumPy의 축(축)입니다. 첫 번째 축은 기본 배열과 동일하고 두 번째 축은 기본 배열의 배열입니다. 축 수, 즉 순위는 배열의 차원입니다.

NumPy 배열에서 더 중요한 ndarray 객체 속성은 다음과 같습니다.

1.ndarray.ndim: 순위와 동일한 배열의 차원(즉, 배열 축의 수)입니다. 가장 일반적인 것은 2차원 배열(행렬)입니다.

2.ndarray.shape: 배열의 크기. 각 차원의 배열 크기를 나타내는 정수의 튜플입니다. 예를 들어 2차원 배열에서는 배열의 "행 수"와 "열 수"를 나타냅니다. ndarray.shape는 길이가 차원 수인 튜플, 즉 ndim 속성을 반환합니다.

3.ndarray.size: 배열 요소의 총 개수는 모양 속성의 튜플 요소의 곱과 같습니다.

4.ndarray.dtype: 표준 Python 유형을 사용하여 생성하거나 지정할 수 있는 배열의 요소 유형을 나타내는 객체입니다. 또한 이전 글에서 소개한 NumPy에서 제공하는 데이터 유형을 사용할 수도 있습니다.

5.ndarray.itemsize: 배열에 있는 각 요소의 바이트 크기입니다. 예를 들어, 요소 유형이 float64인 배열의 itemsiz 속성 값은 8입니다(float64는 64비트를 차지하고 각 바이트의 길이는 8이므로 64/8은 8바이트를 차지합니다). complex32. 배열 항목 속성은 4(32/8)입니다.

6.ndarray.data: 실제 배열 요소가 포함된 버퍼입니다. 요소는 일반적으로 배열의 인덱스를 통해 획득되므로 일반적으로 이 속성을 사용할 필요가 없습니다.

배열 접합 방법 1

아이디어: 먼저 배열을 리스트로 변환한 다음 리스트 접합 함수인 add(), 확장() 등을 사용하여 접합 처리를 수행하고 마지막으로 리스트를 배열로 변환합니다. 정렬.

예제 1:

>>> import numpy as np
>>> a=np.array([1,2,5])
>>> b=np.array([10,12,15])
>>> a_list=list(a)
>>> b_list=list(b)
>>> a_list.extend(b_list)
>>> a_list
[1, 2, 5, 10, 12, 15]
>>> a=np.array(a_list)
>>> a
array([ 1, 2, 5, 10, 12, 15])

이 방법은 단순한 1차원 배열 접합에만 적합합니다. 변환 과정에 시간이 많이 걸리기 때문에 일반적으로 대량의 데이터를 접합하는 데는 권장되지 않습니다.

배열 접합 방법 2

아이디어: numpy는 numpy.append(arr, value, axis=None) 기능을 제공합니다. 매개변수 지정의 경우 하나의 배열과 하나의 값 또는 두 개의 배열이 있어야 합니다. 3개 이상의 배열을 직접 추가하고 연결할 수 없습니다. 추가 함수는 항상 1차원 배열을 반환합니다.

예 2:

>>> a=np.arange(5)
>>> a
array([0, 1, 2, 3, 4])
>>> np.append(a,10)
array([ 0, 1, 2, 3, 4, 10])
>>> a
array([0, 1, 2, 3, 4])
 
>>> b=np.array([11,22,33])
>>> b
array([11, 22, 33])
>>> np.append(a,b)
array([ 0, 1, 2, 3, 4, 11, 22, 33])
 
>>> a
array([[1, 2, 3],
    [4, 5, 6]])
>>> b=np.array([[7,8,9],[10,11,12]])
>>> b
array([[ 7, 8, 9],
    [10, 11, 12]])
>>> np.append(a,b)
array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])

Numpy의 배열에는 크기를 동적으로 변경하는 기능이 없습니다. numpy.append() 함수는 매번 전체 배열을 재할당하고 원래 배열을 새 배열에 복사합니다. .

배열 접합 방법 3

아이디어: numpy는 numpy.concatenate((a1,a2,...),axis=0) 기능을 제공합니다. 한 번에 여러 어레이의 접합을 완료할 수 있습니다. 여기서 a1, a2,...는 배열 유형의 매개변수입니다.

예 3:

>>> a=np.array([1,2,3])
>>> b=np.array([11,22,33])
>>> c=np.array([44,55,66])
>>> np.concatenate((a,b,c),axis=0) # 默认情况下，axis=0可以不写
array([ 1, 2, 3, 11, 22, 33, 44, 55, 66]) #对于一维数组拼接，axis的值不影响最后的结果
 
>>> a=np.array([[1,2,3],[4,5,6]])
>>> b=np.array([[11,21,31],[7,8,9]])
>>> np.concatenate((a,b),axis=0)
array([[ 1, 2, 3],
    [ 4, 5, 6],
    [11, 21, 31],
    [ 7, 8, 9]])
>>> np.concatenate((a,b),axis=1) #axis=1表示对应行的数组进行拼接
array([[ 1, 2, 3, 11, 21, 31],
    [ 4, 5, 6, 7, 8, 9]])

두 함수 numpy.append() 및 numpy.concatenate()의 실행 시간을 비교합니다.

예 4 :

>>> from time import clock as now
>>> a=np.arange(9999)
>>> b=np.arange(9999)
>>> time1=now()
>>> c=np.append(a,b)
>>> time2=now()
>>> print time2-time1
28.2316728446
>>> a=np.arange(9999)
>>> b=np.arange(9999)
>>> time1=now()
>>> c=np.concatenate((a,b),axis=0)
>>> time2=now()
>>> print time2-time1
20.3934997107

대규모 데이터 접합에는 concatenate()가 더 효율적이고 적합하다는 것을 알 수 있습니다

Summary

위는 간단한 numpy 배열 접합의 예입니다. 도움이 되기를 바랍니다. 모두 도와주세요. 관심 있는 친구는 다음 사이트를 계속 참고할 수 있습니다.

관련 권장 사항:

numpy 행렬 메서드에 열을 추가하는 Python 프로그래밍

Python 메서드를 기반으로 대칭 행렬을 생성하는 방법 numpy 모듈

Python의 numpy 라이브러리

위 내용은 numpy 배열 splicing_python의 간단한 예의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!