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：
- 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]
- 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) # 合并的数组是一个可迭代的列表。
- 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：
- 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。
- 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。
- 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w3xue。
经验首页