前言
前面我们学习了numpy库的简单应用，今天来学习下比较重要的如何处理数组。
处理数组形状
下面可将多维数组转换成一维数组时的情形。
利用以下函数处理数组的形状：
拆解：ravel()函数可将多维数组变成一维数组。拉直（flatten）：flatten()函数与ravel()相同，但是，flatten()返回的是真实的数组，需要分配新的内存空间；而ravel()函数返回的只是数组的视图。用元组指定数组形状：除reshape()函数外，还可以用元组来定义数组的形状。转置：在线性代数中，矩阵的转置操作非常常见，转置是一种数据变换方法，对于二维表而言，转置就意味着行变成列，同时列变成行。调整大小：函数resize()的作用类似于reshape()，但是会改变所作用的数组。
堆叠数组
从深度看，数组既可以横向叠放，也可以竖向叠放。因此，可以使用vstack()、dstack()、hstack()、column_stack()、row_stack()、和concatenate()等函数。
首先我们要建立一些数组，然后整体说一下各种叠加方式，最后放上示例代码：
水平叠加：先介绍水平叠加方式，即用元组确定ndarrays()数组的形状，然后交由hstack()函数来码放这些数组。垂直叠加：使用垂直叠加方法，先要构建一个元组，然后将元组交给vstack()函数来码放数组。深度叠加：还有一种深度叠加方法，这要用到dstack()函数和一个元组。这种方法是沿着第三个坐标轴（纵向）的方法来叠加一摞数组。举例来说：可以在一个图像数据的二维数组上叠加另一幅图像的数据。列式堆叠：column_stack()函数以列方式对一维数组进行堆叠。行式堆叠：同时，numpy也有以行方式对数组进行堆叠的函数，这个用于一维数组的函数名为row_stack()，它将数组作为行码放到二维数组中。
整体代码如下：
#-*- coding:utf-8 -*-#stacking.pyimport numpy as np#创建数组a = np.arange(9).reshape(3,3)print(a)#out:#array([[0, 1, 2],# [3, 4, 5],# [6, 7, 8]])b = 2 * aprint (b）#out:#array([[ 0, 2, 4],# [ 6, 8, 10],# [12, 14, 16]])#水平叠加print (np.hstack((a, b)))#out:#array([[ 0, 1, 2, 0, 2, 4],# [ 3, 4, 5, 6, 8, 10],# [ 6, 7, 8, 12, 14, 16]])print (np.concatenate((a, b), axis=1)）#out:#array([[ 0, 1, 2, 0, 2, 4],# [ 3, 4, 5, 6, 8, 10],# [ 6, 7, 8, 12, 14, 16]])#垂直叠加print (np.vstack((a, b)))#out:#array([[ 0, 1, 2],# [ 3, 4, 5],# [ 6, 7, 8],# [ 0, 2, 4],# [ 6, 8, 10],# [12, 14, 16]])print (np.concatenate((a, b), axis=0))#out:#array([[ 0, 1, 2],# [ 3, 4, 5],# [ 6, 7, 8],# [ 0, 2, 4],# [ 6, 8, 10],# [12, 14, 16]])#深度叠加print (np.dstack((a, b)))#out:#array([[[ 0, 0],# [ 1, 2],# [ 2, 4]],# [[ 3, 6],# [ 4, 8],# [ 5, 10]],# [[ 6, 12],# [ 7, 14],# [ 8, 16]]])oned = np.arange(2)print (oned)#out: array([0, 1])twice_oned = 2 * onedprint (twice_oned)#out: array([0, 2])print (np.column_stack((oned, twice_oned)))#out:#array([[0, 0],# [1, 2]])print (np.column_stack((a, b)))#out:#array([[ 0, 1, 2, 0, 2, 4],# [ 3, 4, 5, 6, 8, 10],# [ 6, 7, 8, 12, 14, 16]])#数组对比print (np.column_stack((a, b)) == np.hstack((a, b)))#out:#array([[ true, true, true, true, true, true],# [ true, true, true, true, true, true],# [ true, true, true, true, true, true]], dtype=bool)#列式堆叠print (np.row_stack((oned, twice_oned)))#out:#array([[0, 1],# [0, 2]])print (np.row_stack((a, b)))#out:#array([[ 0, 1, 2],# [ 3, 4, 5],# [ 6, 7, 8],# [ 0, 2, 4],# [ 6, 8, 10],# [12, 14, 16]])print (np.row_stack((a,b)) == np.vstack((a, b)))#out:#array([[ true, true, true],# [ true, true, true],# [ true, true, true],# [ true, true, true],# [ true, true, true],# [ true, true, true]], dtype=bool)
小结
今天学习一下python中numpy的堆叠数组。希望通过上面的操作能帮助大家。如果你有什么好的意见，建议，或者有不同的看法，我都希望你留言和我们进行交流、讨论。