NumPy与Pandas数组合并、拉直及重塑操作详解
本文详细解析NumPy和Pandas中数组的合并、拉直与重塑操作。通过concatenate和pandas.concat实现垂直或水平合并，利用ravel进行行优先（C顺序）或列优先（Fortran顺序）的拉直，并结合reshape探讨不同内存顺序下的重塑效果，提供完整代码示例与结果分析。
合并
NumPy与Pandas数组合并操作
在NumPy中合并两个array
NumPy提供了concatenate函数用于数组合并。当指定参数axis=0时，表示在垂直方向（行方向）上合并两个数组，这等同于使用np.vstack函数；当指定参数axis=1时，表示在水平方向（列方向）上合并两个数组，这等同于使用np.hstack函数。
垂直方向：
np.concatenate([arr1,arr2],axis=0)
np.vstack([arr1,arr2])水平方向：
np.concatenate([arr1,arr2],axis=1)
np.hstack([arr1,arr2])
import numpy as np
import pandas as pd
arr1=np.ones((3,5))
arr1
Out[5]:
array([[ 1., 1., 1., 1., 1.],
[ 1., 1., 1., 1., 1.],
[ 1., 1., 1., 1., 1.]])
arr2=np.random.randn(15).reshape(arr1.shape)
arr2
Out[8]:
array([[-0.09666833, 1.47064828, -1.94608976, 0.2651279 , -0.32894787],
[ 1.01187699, 0.39171167, 1.49607091, 0.79216196, 0.33246644],
[ 1.71266238, 0.86650837, 0.77830394, -0.90519422, 1.55410056]])
np.concatenate([arr1,arr2],axis=0) #在纵轴上合并
Out[9]:
array([[ 1. , 1. , 1. , 1. , 1. ],
[ 1. , 1. , 1. , 1. , 1. ],
[ 1. , 1. , 1. , 1. , 1. ],
[-0.09666833, 1.47064828, -1.94608976, 0.2651279 , -0.32894787],
[ 1.01187699, 0.39171167, 1.49607091, 0.79216196, 0.33246644],
[ 1.71266238, 0.86650837, 0.77830394, -0.90519422, 1.55410056]])
np.concatenate([arr1,arr2],axis=1) #在横轴上合并
Out[10]:
array([[ 1. , 1. , 1. , ..., -1.94608976,
0.2651279 , -0.32894787],
[ 1. , 1. , 1. , ..., 1.49607091,
0.79216196, 0.33246644],
[ 1. , 1. , 1. , ..., 0.77830394,
-0.90519422, 1.55410056]])
在Pandas中合并两个DataFrame
Pandas通过concat方法实现数据框的合并，同样支持指定axis=0或axis=1参数，分别对应纵轴和横轴的合并操作。与NumPy不同，Pandas的concat方法要求将待合并的两个DataFrame放入一个列表中，即格式为[frame1, frame2]。
from pandas import DataFrame
frame1=DataFrame([[1,2,3],[4,5,6]])
frame2=DataFrame([[7,8,9],[10,11,12]])
pd.concat([frame1,frame2], ignore_index=True) # 合并的数组是一个可迭代的列表。
Out[25]:
0 1 2
0 1 2 3
1 4 5 6
0 7 8 9
1 10 11 12
pd.concat([frame1,frame2], axis=1, ignore_index=True)
Out[27]:
0 1 2 3 4 5
0 1 2 3 7 8 9
1 4 5 6 10 11 12
数组的拉直与重塑机制
拉直和重塑
拉直操作旨在将二维数组转换为一维数组。默认情况下，NumPy数组采用行优先顺序创建。从内存空间角度来看，这意味着对于二维数组，同一行中的数据项在内存中是相邻存储的。另一种存储顺序为列优先。
受历史因素影响，行优先和列优先顺序分别被称为C顺序和Fortran顺序。在NumPy中，可以通过关键字参数order='C'来实现行优先顺序，通过order='F'来实现列优先顺序。
拉直：
arr=np.arange(15).reshape(3,-1)
arr
Out[29]:
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14]])
arr.ravel('F') #按照列优先，扁平化。
Out[30]: array([ 0, 5, 10, ..., 4, 9, 14])
arr.ravel('C') # 默认顺序。#按照行优先，扁平化。
Out[31]: array([ 0, 1, 2, ..., 12, 13, 14])
重塑：
采用Fortran顺序进行重塑后，再按列拉直的结果与原数据按列拉直的结果一致。
arr.reshape((5,3),order='F')
Out[32]:
array([[ 0, 11, 8],
[ 5, 2, 13],
[10, 7, 4],
[ 1, 12, 9],
[ 6, 3, 14]])采用C顺序进行重塑后，再按行拉直的结果与原数据按行拉直的结果一致。
arr.reshape((5,3),order='C')
Out[33]:
array([[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 9, 10, 11],
[12, 13, 14]])以上关于NumPy和Pandas中数组合并、拉直及重塑的实例分享完毕，希望能为读者提供参考，并欢迎大家支持本站。
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
