NumPy - 数组(定义，拼接)

NumPy 教程（数组）

set_printoptions(threshold='nan')

NumPy的数组中比较重要ndarray对象属性有：

ndarray.ndim：数组的维数（即数组轴的个数），等于秩。最多见的为二维数组（矩阵）。

ndarray.shape：数组的维度。为一个表示数组在每一个维度上大小的整数元组。例如二维数组中，表示数组的“行数”和“列数”。ndarray.shape返回一个元组，这个元组的长度就是维度的数目，即ndim属性。

ndarray.size：数组元素的总个数，等于shape属性中元组元素的乘积。

ndarray.dtype：表示数组中元素类型的对象，可以使用标准的Python类型建立或指定dtype。另外也可以使用前一篇文章中介绍的NumPy提供的数据类型。

ndarray.itemsize：数组中每一个元素的字节大小。例如，一个元素类型为float64的数组itemsiz属性值为8(float64占用64个bits，每一个字节长度为8，因此64/8，占用8个字节），又如，一个元素类型为complex32的数组item属性为4（32/8）。

ndarray.data：包含实际数组元素的缓冲区，因为通常经过数组的索引获取元素，因此一般不须要使用这个属性。

https://blog.csdn.net/sunny2038/article/details/9002531

 

数组拼接：

一、转list，python拼接

二、numpy.append() 两个数组拼接, 返回一维数组

三、numpy.concatenate()  两个及以上的数组拼接，返回多维数组（维度自定义）

 

>>> b=np.array([11,22,33]) >>> b array([11, 22, 33]) >>> np.append(a,b) array([ 0, 1,  2,  3,  4, 11, 22, 33])

 

concatenate  [https://docs.scipy.org/doc/numpy-1.15.0/reference/generated/numpy.concatenate.html]

concatenate()效率更高，适合大规模的数据拼接

>>> a = np.array([[1, 2], [3, 4]]) >>> b = np.array([[5, 6]]) >>> np.concatenate((a, b), axis=0) array([[1, 2], [3, 4], [5, 6]]) >>> np.concatenate((a, b.T), axis=1) array([[1, 2, 5], [3, 4, 6]]) >>> np.concatenate((a, b), axis=None) array([1, 2, 3, 4, 5, 6])

This function will not preserve masking of MaskedArray inputs. >>>
>>> a = np.ma.arange(3) >>> a[1] = np.ma.masked >>> b = np.arange(2, 5) >>> a masked_array(data = [0 -- 2], mask = [False True False], fill_value = 999999) >>> b array([2, 3, 4]) >>> np.concatenate([a, b]) masked_array(data = [0 1 2 2 3 4], mask = False, fill_value = 999999) >>> np.ma.concatenate([a, b]) masked_array(data = [0 -- 2 2 3 4], mask = [False True False False False False], fill_value = 999999)