6. 连接数组
6.1. 连接数组，
6.2. 分割数组，
6.3. 算术运算，
6.4. 广播（重点）
6.1 连接数组
- concatenate
- hstack
- vstack
6.1.1 使用concatenate函数
沿指定轴连接多个数组，语法格式如下：
numpy.concatenate((a1, a2, …), axis=0)
- a1, a2是要连接的数组，除了连接指定轴外，其他轴大小（元素个数）相同。即：按行连接，每一行的元素个数要相同；
- axis是沿指定轴的索引，默认为0。
import numpy as np
a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6]]) # 注意：这是个二维数组
ab = np.concatenate((a, b), axis=0)
ab
array([[1, 2],[3, 4],[5, 6]])
c = b.T
print(c)
# 将b翻转后再与a，沿axis=1连接
ac = np.concatenate((a, c), axis=1)
ac
[[5][6]]array([[1, 2, 5],[3, 4, 6]])
6.1.2 使用hstack函数
水平堆叠：相当于concatenate函数的axis=1
d = np.array([[7], [8]])
ad = np.hstack((a, d)) # 注意hstack的参数是元组类型
6.1.3 使用vstack函数
垂直堆叠：相当于concatenate函数的axis=0
e = np.array([[11, 23]])
ae = np.vstack((a, e))
ae
array([[ 1, 2],[ 3, 4],[11, 23]])
6.2 分割数组
- split
- hsplit
- vsplit
6.2.1 使用split函数
split函数沿指定轴分割成多个数组，语法格式如下：
numpy.split(array, indces_or_sections, axis)
- array：要分割的数组
- indices_or_sections：整数或数组，如果是整数就用该数平均分割；如果是数组，则沿指定轴切片操作（包含开始元素，不包含结束元素）
- axis：分割轴
array = [1, 2, 3, 4, 5, 6, 7, 8, 9]
indice_or_sections = 3;
可以分割，因为9可以被3整除;
如果indices_or_sections = 4;
就不能分割，因为9不能被4整除;
# 整数
a = np.arange(9)
b = np.split(a, 3)
b
[array([0, 1, 2]), array([3, 4, 5]), array([6, 7, 8])]
# 数组
c = np.split(a, [3, 5, 7])
c
[array([0, 1, 2]), array([3, 4]), array([5, 6]), array([7, 8])]
# 二维数组
a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.split(a, 2, axis=0)
print(b)
[array([[1, 2, 3]]), array([[4, 5, 6]])]
c = np.split(a, 3, axis=1)
print(c)
print(type(c)) # 分割后的c，不是numpy类型了
print(type(c[0]))
[array([[1],[4]]), array([[2],[5]]), array([[3],[6]])]
<class 'list'>
<class 'numpy.ndarray'>
6.2.2 使用hsplit与vsplit函数
相当于split函数的axis=1与axis=0的情况
6.3 算术运算
Numpy数组对象可以使用python原生的算术运算符，加，减，乘，除等等
- 形状相同的数组计算：每个位置的元素独立计算
- 数组+标量：数组里每个元素都与标量单独计算
- 形状不同的数组或标量计算：广播
a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])
a + b
array([[ 6, 8],[10, 12]])
a * b
array([[ 5, 12],[21, 32]])
注意：a * b并不是矩阵乘法
6.4 广播
不同形状的数组或标量计算时发生广播
6.4.1 标量广播
将标量扩展成与数组形状相同的数组，再进行计算
a = np.array([[1, 2], [3, 4]])
b = 10
a + b
array([[11, 12],[13, 14]])
a * b
array([[10, 20],[30, 40]])
6.4.2 数组广播
广播规则：
- 如果两个数组维度不相等，维度较低的数组的形状会从左侧开始，填充1，知道维度与较高维度的数组相等。
- 如果两个数组维度相等，要不对应轴长度相同，要么其中一个长度为1，则是兼容数组，可以广播。长度为1的轴会被扩展。
a = np.array([36, 42])
b = np.array([[10, 20], [30, 40], [50, 60]])
a + b
array([[ 46, 62],[ 66, 82],[ 86, 102]])
上面代码：
- 一维数组a，首先升维成二维数组a2
- a2扩展成与b相同形状
a = np.array([36, 42])
c = np.array([[10, 20, 30], [40, 50, 60]])
a + c
---------------------------------------------------------------------------ValueError Traceback (most recent call last)Cell In[14], line 31 a = np.array([36, 42])2 c = np.array([[10, 20, 30], [40, 50, 60]])
----> 3 a + cValueError: operands could not be broadcast together with shapes (2,) (2,3)
上面代码：
- 一维数组a，首先升维成二维数组a2，形状(1, 2)
- a2向数组b形状(2, 3)扩展，(2, 2)
- 0轴上相等了，但是1轴上不相等，并且a2的1轴不是1，所以不能再扩展
- 计算错误
6.5 实例
- 将华氏度的值转换成摄氏度
- 公式：C = (5(F - 32))/9
f = [0, 12, 45.21, 34, 99.91]
F = np.array(f)
print("华氏度：", F)
C = (5 * (F - 32))/9
print("摄氏度：", C)
华氏度： [ 0. 12. 45.21 34. 99.91]
摄氏度： [-17.77777778 -11.11111111 7.33888889 1.11111111 37.72777778]
