NumPy - 數組(定義，拼接)

NumPy 教程（數組）

set_printoptions(threshold='nan')

NumPy的數組中比較重要ndarray對象屬性有：

ndarray.ndim：數組的維數（即數組軸的個數），等於秩。最多見的爲二維數組（矩陣）。

ndarray.shape：數組的維度。爲一個表示數組在每一個維度上大小的整數元組。例如二維數組中，表示數組的「行數」和「列數」。ndarray.shape返回一個元組，這個元組的長度就是維度的數目，即ndim屬性。

ndarray.size：數組元素的總個數，等於shape屬性中元組元素的乘積。

ndarray.dtype：表示數組中元素類型的對象，可以使用標準的Python類型建立或指定dtype。另外也可以使用前一篇文章中介紹的NumPy提供的數據類型。

ndarray.itemsize：數組中每一個元素的字節大小。例如，一個元素類型爲float64的數組itemsiz屬性值爲8(float64佔用64個bits，每一個字節長度爲8，因此64/8，佔用8個字節），又如，一個元素類型爲complex32的數組item屬性爲4（32/8）。

ndarray.data：包含實際數組元素的緩衝區，因爲通常經過數組的索引獲取元素，因此一般不須要使用這個屬性。

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

 

數組拼接：

一、轉list，python拼接

二、numpy.append() 兩個數組拼接, 返回一維數組

三、numpy.concatenate()  兩個及以上的數組拼接，返回多維數組（維度自定義）

 

>>> 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，適合大規模的數據拼接

>>> 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)