numpy 一维数组与 python 列表类似，略。本文主要讨论多维数组的处理。
索引
In [1]: from numpy import *
In [2]: a = arange(12).reshape(3,2,2)
In [3]: a
Out[3]:
array([[[ 0, 1],
[ 2, 3]],
[[ 4, 5],
[ 6, 7]],
[[ 8, 9],
[10, 11]]])
此时，np 数组与 python list 的区别如下：
In [5]: a[0][1][1] == a[0, 1, 1]
Out[5]: True
这两种语法是等价的，但是 python list 是不支持后一种的。
切片
以下是对比，注意 shape 的变化：
In [9]: a[0:3][1]
Out[9]:
array([[4, 5],
[6, 7]])
In [13]: a[0:3][1].shape
Out[13]: (2, 2) # 先沿着0轴切片，后索引
In [10]: a[0:3, 1]
Out[10]:
array([[ 2, 3],
[ 6, 7],
[10, 11]])
In [14]: a[0:3, 1].shape
Out[14]: (3, 2) # 原本的1轴被消除了
In [11]: a[0:3, 1:]
Out[11]:
array([[[ 2, 3]],
[[ 6, 7]],
[[10, 11]]])
In [15]: a[0:3,1:].shape
Out[15]: (3, 1, 2) # 切片保留所有轴
组合&分割
In [7]: b = arange(12, 24).reshape(3,2,2)
In [8]: b
Out[8]:
array([[[12, 13],
[14, 15]],
[[16, 17],
[18, 19]],
[[20, 21],
[22, 23]]])
两个主要函数：stack 以及 concatenate。
stack 用于堆叠
In [33]: stack((a, b))
Out[33]:
array([[[[ 0, 1],
[ 2, 3]],
[[ 4, 5],
[ 6, 7]],
[[ 8, 9],
[10, 11]]],
[[[12, 13],
[14, 15]],
[[16, 17],
[18, 19]],
[[20, 21],
[22, 23]]]])
In [34]: stack((a, b)).shape
Out[34]: (2, 3, 2, 2) # 默认沿着 axis = 0 堆叠
In [40]: stack((a, b), axis=1)
Out[40]:
array([[[[ 0, 1],
[ 2, 3]],
[[12, 13],
[14, 15]]],
[[[ 4, 5],
[ 6, 7]],
[[16, 17],
[18, 19]]],
[[[ 8, 9],
[10, 11]],
[[20, 21],
[22, 23]]]])
In [37]: stack((a, b), axis=1).shape
Out[37]: (3, 2, 2, 2) # 沿着 axis = 1 堆叠
concatenate 用于连接
In [46]: concatenate((a,b))
Out[46]:
array([[[ 0, 1],
[ 2, 3]],
[[ 4, 5],
[ 6, 7]],
[[ 8, 9],
[10, 11]],
[[12, 13],
[14, 15]],
[[16, 17],
[18, 19]],
[[20, 21],
[22, 23]]])
In [53]: a.shape
Out[53]: (3, 2, 2)
In [54]: b.shape
Out[54]: (3, 2, 2)
In [47]: concatenate((a,b)).shape
Out[47]: (6, 2, 2)
In [48]: concatenate((a,b), axis=1)
Out[48]:
array([[[ 0, 1],
[ 2, 3],
[12, 13],
[14, 15]],
[[ 4, 5],
[ 6, 7],
[16, 17],
[18, 19]],
[[ 8, 9],
[10, 11],
[20, 21],
[22, 23]]])
In [53]: a.shape
Out[53]: (3, 2, 2)
In [54]: b.shape
Out[54]: (3, 2, 2)
In [49]: concatenate((a,b), axis=1).shape
Out[49]: (3, 4, 2)
连接与堆叠的区别简单理解就是：连接增加了形状，堆叠增加了维度。
In [55]: concatenate((a,b), axis=3)
---------------------------------------------------------------------------
AxisError Traceback (most recent call last)
<ipython-input-55-ec2463892184> in <module>
----> 1 concatenate((a,b), axis=3)
AxisError: axis 3 is out of bounds for array of dimension 3
可以看到，axis=3 不存在，因此 concatenate 会包报错，所以，可以增加一个维度，再进行 concatenate 操作：
In [57]: concatenate((a[...,newaxis],b[...,newaxis]), axis=3)
Out[57]:
array([[[[ 0, 12],
[ 1, 13]],
[[ 2, 14],
[ 3, 15]]],
[[[ 4, 16],
[ 5, 17]],
[[ 6, 18],
[ 7, 19]]],
[[[ 8, 20],
[ 9, 21]],
[[10, 22],
[11, 23]]]])
In [58]: concatenate((a[...,newaxis],b[...,newaxis]), axis=3).shape
Out[58]: (3, 2, 2, 2)
concatenate 有几个快捷方法:
vstack(tup) : concatenate(tup, axis = 0)
hstack(tup) : concatenate(tup, axis = 1)
dstack(tup) : concatenate(tup, axis = 2)
如果 tup 中数组维度不够，则 hstack 或者 dstack 会自动增加维度。
分割就是 concatenate 的逆操作
split <——> concatenate
split 同样有几个快捷函数：
vsplit(ary, indices_or_sections) : split(ary, indices_or_sections, axis=0)
hsplit(ary, indices_or_sections) : split(ary, indices_or_sections, axis=1)
dsplit(ary, indices_or_sections) : split(ary, indices_or_sections, axis=2)