Numpy 矩阵的合并

• 垂直合并：

np.vstack((array1, array2, array3, ...))

注意：array1和array2的长度要一致。

• 水平合并：

np.hstack((array1, array2, array3, ...))

注意：array1和array2的宽度要一致。
集中放图：

• 神奇的np.concatenate:
  这个语法可以通过参数axis的设定决定是垂直合并还是水平合并，axis = 0，垂直合并， axis = 1，水平合并。

np.concatenate((array1, array2, ...), axis = 1 or 0)

矩阵的升阶：

• 一维矩阵不能进行array.T的操作，如要进行矩阵转置，就要先将矩阵升维了：

array = array[np.newaxis, :]
or
array = array.[:, np.newaxis]

我们先定义一个一维矩阵array:

发现其并不能进行矩阵的转置。
接下来我们对array进行升维：

就能进行转置操作了。
注意：请仔细区别冒号的位置和对应的结果。

矩阵的分割

• 垂直分割：

arry2, array3, array4 , ... , arrrayn = np.vsplit(array, n)

• 水平分割：

array2, array3, ... , arrayn = np.hsplit(array, n)

• 参数决定分割类型:

array2, array3, ... , arrayn = np.split(array, n, axis = 0 or 1)

axis = 0为垂直分割，axis = 1为水平分割。

• 上述三种方法都有一个缺陷，只能进行等分分割。
  如果要进行不等分分割，下面有这么一个函数：

np.array_split(array, n, axis = 0 or 1)

矩阵的两种拷贝方式

• 浅拷贝：即两个标签指向同一块内存地址
  运行以下代码：

array1 = np.array([1, 2, 3])
array2 = array1
array2[0] = 10
print(array1)

结果为：

即array2改变，array1同样改变，它们本来就是指向的同一个内存地址嘛。

• 深拷贝：即为标签新建一块内存区域存放copy的数据

array1 = np.array([1, 2, 3])
array2 = array1.copy()
array2[0] = 10
print(array1)

输出结果：

array1的值并没有改变。