NumPy 数组操作：3.3 数组的拼接与分割
在数据科学和数值计算中，数组的拼接与分割是非常常见的操作。NumPy 提供了多种方法来实现这些操作，使得我们能够灵活地处理和组织数据。本文将详细介绍 NumPy 中数组的拼接与分割，包括相关的函数、优缺点、注意事项以及丰富的示例代码。
1. 数组的拼接
数组的拼接是将多个数组合并成一个数组的过程。NumPy 提供了几个主要的拼接函数：np.concatenate()、np.vstack()、np.hstack() 和 np.dstack()。
1.1 使用 np.concatenate()
np.concatenate() 函数可以沿着指定的轴将多个数组拼接在一起。
示例代码：
import numpy as np
# 创建两个一维数组
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
# 沿着默认轴（轴0）拼接
c = np.concatenate((a, b))
print("拼接后的数组 c:", c) # 输出: [1 2 3 4 5 6]
# 创建两个二维数组
d = np.array([[1, 2], [3, 4]])
e = np.array([[5, 6]])
# 沿着轴0拼接
f = np.concatenate((d, e), axis=0)
print("沿轴0拼接后的数组 f:\n", f)
# 输出:
# [[1 2]
# [3 4]
# [5 6]]
# 沿着轴1拼接
g = np.concatenate((d, e.T), axis=1) # e.T 是 e 的转置
print("沿轴1拼接后的数组 g:\n", g)
# 输出:
# [[1 2 5]
# [3 4 6]]
优点：
np.concatenate()可以拼接任意维度的数组，只需指定合适的轴。- 适用于多种数据结构，灵活性高。
缺点：
- 所有待拼接的数组在拼接轴以外的维度上必须具有相同的形状，否则会引发错误。
注意事项：
- 确保数组的维度匹配，尤其是在高维数组的拼接中。
1.2 使用 np.vstack()
np.vstack() 函数用于垂直（沿着轴0）拼接数组。
示例代码：
# 使用 vstack 拼接
h = np.vstack((d, e))
print("使用 vstack 拼接后的数组 h:\n", h)
# 输出:
# [[1 2]
# [3 4]
# [5 6]]
优点：
- 语法简洁，专门用于垂直拼接，易于理解。
缺点：
- 仅适用于沿着轴0的拼接，灵活性较低。
注意事项：
- 确保待拼接的数组在其他维度上形状一致。
1.3 使用 np.hstack()
np.hstack() 函数用于水平（沿着轴1）拼接数组。
示例代码：
# 使用 hstack 拼接
i = np.hstack((d, e.T))
print("使用 hstack 拼接后的数组 i:\n", i)
# 输出:
# [[1 2 5]
# [3 4 6]]
优点：
- 语法简洁，专门用于水平拼接，易于理解。
缺点：
- 仅适用于沿着轴1的拼接，灵活性较低。
注意事项：
- 确保待拼接的数组在其他维度上形状一致。
1.4 使用 np.dstack()
np.dstack() 函数用于深度（沿着轴2）拼接数组，适用于三维数组。
示例代码：
# 创建两个二维数组
j = np.array([[1, 2], [3, 4]])
k = np.array([[5, 6], [7, 8]])
# 使用 dstack 拼接
l = np.dstack((j, k))
print("使用 dstack 拼接后的数组 l:\n", l)
# 输出:
# [[[1 5]
# [2 6]]
#
# [[3 7]
# [4 8]]]
优点：
- 适用于三维数组的拼接，能够处理更复杂的数据结构。
缺点：
- 仅适用于三维数组，使用场景较为有限。
注意事项：
- 确保待拼接的数组在其他维度上形状一致。
2. 数组的分割
数组的分割是将一个数组分成多个子数组的过程。NumPy 提供了 np.split()、np.hsplit() 和 np.vsplit() 函数来实现这一功能。
2.1 使用 np.split()
np.split() 函数可以将数组沿着指定的轴分割成多个子数组。
示例代码：
# 创建一个一维数组
m = np.array([1, 2, 3, 4, 5, 6])
# 将数组分割成3个子数组
n = np.split(m, 3)
print("分割后的子数组 n:", n)
# 输出: [array([1, 2]), array([3, 4]), array([5, 6])]
# 创建一个二维数组
o = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# 沿着轴0分割
p = np.split(o, 3, axis=0)
print("沿轴0分割后的子数组 p:", p)
# 输出:
# [array([[1, 2, 3]]), array([[4, 5, 6]]), array([[7, 8, 9]])]
优点：
- 可以灵活地指定分割的轴和数量，适用于多种数据结构。
缺点：
- 如果数组的大小不能被分割的数量整除，将引发错误。
注意事项：
- 确保分割的数量与数组的大小相匹配。
2.2 使用 np.hsplit()
np.hsplit() 函数用于水平分割数组，适用于二维数组。
示例代码：
# 创建一个二维数组
q = np.array([[1, 2, 3], [4, 5, 6]])
# 水平分割
r = np.hsplit(q, 3)
print("水平分割后的子数组 r:", r)
# 输出:
# [array([[1],
# [4]]), array([[2],
# [5]]), array([[3],
# [6]])]
优点：
- 语法简洁，专门用于水平分割，易于理解。
缺点：
- 仅适用于二维数组，灵活性较低。
注意事项：
- 确保待分割的数组在其他维度上形状一致。
2.3 使用 np.vsplit()
np.vsplit() 函数用于垂直分割数组，适用于二维数组。
示例代码：
# 创建一个二维数组
s = np.array([[1, 2, 3], [4, 5, 6]])
# 垂直分割
t = np.vsplit(s, 2)
print("垂直分割后的子数组 t:", t)
# 输出:
# [array([[1, 2, 3]]), array([[4, 5, 6]])]
优点：
- 语法简洁，专门用于垂直分割，易于理解。
缺点：
- 仅适用于二维数组，灵活性较低。
注意事项：
- 确保待分割的数组在其他维度上形状一致。
总结
在 NumPy 中，数组的拼接与分割是非常重要的操作。通过使用 np.concatenate()、np.vstack()、np.hstack()、np.dstack()、np.split()、np.hsplit() 和 np.vsplit() 等函数，我们可以灵活地处理和组织数据。每种方法都有其优缺点和适用场景，因此在实际应用中应根据具体需求选择合适的函数。
在进行数组拼接和分割时，务必注意数组的形状和维度匹配，以避免运行时错误。通过合理使用这些功能，您可以更高效地处理数据，提升数据分析和科学计算的能力。