20 數組高階操作函數（下）

Numpy 提供了一系列針對數組操作的高階函數，除了比較常見的合并，還有分割、追加、插入等操作。

1. 數組的分割

1.1 numpy.split 函數

numpy.split 函數將數組的副本沿指定軸劃分為子數組。該函數的原型如下：

numpy.split(arr, indices_or_sections, axis=0)

參數說明如下：

案例

對于一維數組的情形，非常簡單。創建1維數組：

arr_1 = np.array([12, 23, 34, 45, 56, 67, 78, 89, 100, 110, 120, 130])

利用numpy.split函數將arr_1等分為3塊：

np.split(arr_1, 3)
out:
    [array([12, 23, 34, 45]), array([56, 67, 78, 89]), array([100, 110, 120, 130])]

當 indices_or_sections 參數為常數時，numpy.split 函數是講數組進行等分。對于無法等分的情況，會報 ValueError 的錯誤。

當 indices_or_sections 參數為整數列表時，表示按照以整數為位置索引進行分割：

np.split(arr_1, [3, 6])
out:
    [array([12, 23, 34]), array([45, 56, 67]), array([ 78,  89, 100, 110, 120, 130])]

案例

對于多維數組的情形，將內層的數組視為整體，僅考慮最外層的大小進行切割：

arr_2 = arr_1.reshape(6,2)
arr_2
out:
    array([[ 12,  23],
       [ 34,  45],
       [ 56,  67],
       [ 78,  89],
       [100, 110],
       [120, 130]])

對 arr_2 進行切割：

np.split(arr_2, 3)
out:
    [array([[12, 23],[34, 45]]), 
     array([[56, 67],[78, 89]]), 
     array([[100, 110],[120, 130]])]

案例

可以通過指定 axis 來限制實際產生分割的維度。例如，對 arr_2 控制分割點在水平位置（axis=1）：

np.split(arr_2, 2, axis=1)
out:
    [array([[ 12],
        [ 34],
        [ 56],
        [ 78],
        [100],
        [120]]), array([[ 23],
        [ 45],
        [ 67],
        [ 89],
        [110],
        [130]])]

需要注意比較 axis=1 和默認（axis=0）參數時的區別。

1.2 numpy.hsplit 函數

numpy.hsplit 是 split() 函數的一個特例，其中 axis 為 1 表示水平分割，與輸入數組的維度無關。

案例

對上述指定 axis=1（水平分割）時的分割效果，可以用 numpy.hsplit 改寫如下：

np.hsplit(arr_2, 2)
out:
    [array([[ 12],
        [ 34],
        [ 56],
        [ 78],
        [100],
        [120]]), array([[ 23],
        [ 45],
        [ 67],
        [ 89],
        [110],
        [130]])]

1.3 numpy.vsplit 函數

numpy.vsplit 是 split() 函數的一個特例，其中 axis 為 1 表示垂直分割，與輸入數組的維度無關。

案例

對于上述指定 axis=0（默認參數）時的分割效果，可以用 numpy.vsplit 改寫如下：

np.vsplit(arr_2, 3)
out:
    [array([[12, 23],[34, 45]]), 
     array([[56, 67],[78, 89]]), 
     array([[100, 110],[120, 130]])]

2. 數組追加

2.1 numpy.append 函數

numpy.append 函數可以在輸入數組末尾，追加一個尺寸匹配的數組，與列表中 append 的操作類似。但是輸入數組的尺寸必須匹配，否則將生成 ValueError。該函數的原型如下：

numpy.append(arr, values, axis)

參數說明如下：

案例

以二維數組為例，對 arr_2 的 axis=0 方向追加數組：

np.append(arr_2, [[1, 2]], axis=0)
out:
    array([[ 12,  23],
       [ 34,  45],
       [ 56,  67],
       [ 78,  89],
       [100, 110],
       [120, 130],
       [  1,   2]])

案例

以二維數組為例，對 arr_2 的 axis=1 方向追加數組：

np.append(arr_2, [[1], [2], [3], [4], [5], [6]], axis=1)
out:
    array([[ 12,  23,   1],
       [ 34,  45,   2],
       [ 56,  67,   3],
       [ 78,  89,   4],
       [100, 110,   5],
       [120, 130,   6]])

案例

當不指定 axis 時，在追加動作產生前，會先把輸入數組展平：

np.append(arr_2, [[1], [2], [3], [4], [5], [6]])
out:
    array([ 12,  23,  34,  45,  56,  67,  78,  89, 100, 110, 120, 130,   1, 2,   3,   4,   5,   6])

當不指定axis時，append結果為一維數組。

3. 數組的插入

3.1 numpy.insert 函數

numpy.insert 函數沿給定軸和給定索引之前在輸入數組中插入值。該函數的原型如下：

numpy.insert(arr, obj, values, axis)

參數說明如下：

案例

對于不指定 axis 的情形：

np.insert(arr_2, 2, [123, 456])
out:
    array([ 12,  23, 123, 456,  34,  45,  56,  67,  78,  89, 100, 110, 120, 130])

可以發現，對于 insert 函數，新插入的元素從指定的位置（索引為2）開始，其他元素往后平移。

案例

指定在 axis=0 的軸上插入新元素：

np.insert(arr_2, 2, [123, 456], axis=0)
out:
    array([[ 12,  23],
       [ 34,  45],
       [123, 456],
       [ 56,  67],
       [ 78,  89],
       [100, 110],
       [120, 130]])

案例

當指定插入的元素跟輸入數組形狀不一致時，可以通過廣播規則進行傳播補齊。當不滿足廣播規則，則會報 ValueError 的錯誤。

np.insert(arr_2, 2, [123], axis=0)
out:
    array([[ 12,  23],
       [ 34,  45],
       [123, 123],
       [ 56,  67],
       [ 78,  89],
       [100, 110],
       [120, 130]])

案例

指定在 axis=1 的軸上插入新元素：

np.insert(arr_2, 2, [1, 2, 3, 4, 5, 6], axis=1)
out:
    array([[ 12,  23,   1],
       [ 34,  45,   2],
       [ 56,  67,   3],
       [ 78,  89,   4],
       [100, 110,   5],
       [120, 130,   6]])

4. 小結

本節講述了數組分割與追加的常用方法，其中append函數與insert函數在不指定操作軸的時候，函數會首先對輸入數組進行展開操作。而hsplit和vsplit則是已經默認了計算方向，使用過程中注意區分。