NumPy(七):拆分【hsplit】【vsplit】

2024-09-02 02:08
文章标签 numpy 拆分 hsplit vsplit

本文主要是介绍NumPy(七):拆分【hsplit】【vsplit】,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

数组拆分:输出结果为列表,列表中元素为数组

  • numpy.hsplit(ary, indices_or_sections):将数组水平(逐列)拆分为多个子数组 → 按列拆分
  • numpy.vsplit(ary, indices_or_sections)::将数组垂直(行方向)拆分为多个子数组 → 按行拆
import numpy as np# 数组拆分:输出结果为列表,列表中元素为数组ar = np.arange(16).reshape(4, 4)
print('ar = ', ar)
print('-' *100)
# numpy.hsplit(ary, indices_or_sections):将数组水平(逐列)拆分为多个子数组 → 按列拆分ar1 = np.hsplit(ar, 2)
print('ar1 = {0}, type(ar1) = {1}'.format(ar1, type(ar1)))
print('-' *100)# numpy.vsplit(ary, indices_or_sections)::将数组垂直(行方向)拆分为多个子数组 → 按行拆
ar2 = np.vsplit(ar, 4)
print('ar2 = {0}, type(ar2) = {1}'.format(ar2, type(ar2)))

打印结果:

ar =  [	[ 0  1  2  3][ 4  5  6  7][ 8  9 10 11][12 13 14 15]]
----------------------------------------------------------------------------------------------------
ar1 = [array([	[ 0,  1],[ 4,  5],[ 8,  9],[12, 13]]), array([	[ 2,  3],[ 6,  7],[10, 11],[14, 15]])], type(ar1) = <class 'list'>
----------------------------------------------------------------------------------------------------
ar2 = [array([[0, 1, 2, 3]]), array([[4, 5, 6, 7]]), array([[ 8,  9, 10, 11]]), array([[12, 13, 14, 15]])], type(ar2) = <class 'list'>Process finished with exit code 0

这篇关于NumPy(七):拆分【hsplit】【vsplit】的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1128701

相关文章

python科学计算:NumPy 线性代数与矩阵操作

1 NumPy 中的矩阵与数组 在 NumPy 中,矩阵实际上是一种特殊的二维数组,因此几乎所有数组的操作都可以应用到矩阵上。不过,矩阵运算与一般的数组运算存在一定的区别,尤其是在点积、乘法等操作中。 1.1 创建矩阵 矩阵可以通过 NumPy 的 array() 函数创建。矩阵的形状可以通过 shape 属性来访问。 import numpy as np# 创建一个 2x3 矩阵mat

探索Python的数学魔法:Numpy库的神秘力量

文章目录 探索Python的数学魔法:Numpy库的神秘力量背景:为什么选择Numpy?Numpy是什么?如何安装Numpy?五个简单的库函数使用方法场景应用常见Bug及解决方案总结 探索Python的数学魔法:Numpy库的神秘力量 背景:为什么选择Numpy? 在Python的世界中,数据处理和科学计算是不可或缺的一部分。但原生Python在处理大规模数据时可能会显

隐私计算实训营:SplitRec:当拆分学习遇上推荐系统

拆分学习的概念 拆分学习的核心思想是拆分网络结构。每一个参与方拥有模型结构的一部分,所有参与方的模型合在一起形成一个完整的模型。训练过程中,不同参与方只对本地模型进行正向或者反向传播计算,并将计算结果传递给下一个参与方。多个参与方通过联合模型进行训练直至最终收敛。 一个典型的拆分学习例子: Alice持有数据和基础模型。Bob只有数据、基础模型和fuse模型。 Alice使用自己的数据

Numpy random.random()函数补充

np.random.random() np.random.random()的作用是生成指定形状的均匀分布的值为[0,1)的随机数 参数为size,也就是用于指定的形状大小 import numpy as npprint(np.random.random(size=(2, 2)))# [[0.19671797 0.85492315]# [0.99609539 0.66437246]]

动态规划---单词拆分

题目: 给你一个字符串 s 和一个字符串列表 wordDict 作为字典。如果可以利用字典中出现的一个或多个单词拼接出 s 则返回 true。 注意:不要求字典中出现的单词全部都使用,并且字典中的单词可以重复使用。 思路:本题属于完全背包问题,字符串s的长度为背包容量,字符串列表wordDict中的每一个元素相当于物品。 动态规划五部曲: 1.确定dp数组及含义 dp数组为元素类型是布

解决RuntimeError: Numpy is not available

运行项目时,遇到RuntimeError: Numpy is not available 这是因为Numpy 版本太高,将现有Numpy卸载 pip uninstall numpy 安装numpy=1.26.4,解决此问题 pip install numpy=1.26.4 -i https://pypi.tuna.tsinghua.edu.cn/simple

6.科学计算模块Numpy(3)对ndarray数组的常用操作

引言 众所周知,numpy能作为python中最受欢迎的数据处理模块,脱离不了它最核心的部件——ndarray数组。那么,我们今天就来了解一下numpy中对ndarray的常用操作。 通过阅读本篇博客你可以: 1.掌握ndarray数组的切片和copy 2.学会如何改变ndarray的数组维度 3.掌握数组的拼接 一、ndarray数组的切片和copy 1.ndarray数组的切片

python科学计算:NumPy 简介与安装

1 NumPy 是什么? NumPy(Numerical Python 的简称)是 Python 语言中最为广泛使用的科学计算库。它支持多维数组和矩阵运算,并提供丰富的数学函数库,使得数据处理和数值计算变得更加高效。 NumPy 的核心是提供了一个强大的 ndarray 对象,这是一种用于存储同质数据的多维数组,能够快速执行数值运算。与 Python 原生的列表相比,NumPy 数组的计算速度

python科学计算:NumPy 基础操作

1 创建数组(ndarray) NumPy 的核心对象是 ndarray,它是一个多维数组,用于存储同质数据(即所有元素的类型相同)。我们可以通过多种方式创建数组,以下是一些常见的方法: 1.1 使用 array() 函数 array() 函数是创建 NumPy 数组的基本方法。可以通过传入一个 Python 列表或嵌套列表来创建数组。 import numpy as np# 创建一维数组

Numpy中type()、ndim、shape、size、dtype、astype的用法

目录 numpy基础介绍示例分析及总结:itemsize、nbytes函数 numpy基础介绍 Numpy 补充了Python语言所欠缺的数值计算能力,是其它数据分析及机器学习库的底层库。因其完全标准C语言实现,运行效率充分优化。最重要一点是开源免费。numpy的核心是矩阵(即多维数组)。 示例 import numpy as nparr =np.array([[1,2,3]