NumPy数组的拼接与分割：入门到精通教程

引言

NumPy是Python中用于科学计算的核心库，提供了强大的多维数组操作功能。在数据分析、机器学习等领域，经常需要对数组进行拼接和分割来整理数据。本教程将详细介绍NumPy中数组的拼接和分割方法，从基础概念到高级应用，帮助新手轻松上手。

1. 数组拼接（Array Concatenation）

数组拼接是指将多个数组沿着指定轴组合成一个新数组。NumPy提供了多种函数来实现拼接，包括hstack、vstack、dstack和通用的np.concatenate。

1.1 横向拼接（Horizontal Stacking）

横向拼接是将数组沿水平方向（即列方向）拼接在一起。适用于两个或多个数组行数相同的情况。

使用hstack()

hstack()函数专门用于横向拼接，语法简单：np.hstack((array1, array2, ...))。

import numpy as np

# 示例：两个一维数组
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
result_hstack = np.hstack((arr1, arr2))
print("hstack拼接结果:", result_hstack)
# 输出: [1 2 3 4 5 6]

# 示例：两个二维数组
arr3 = np.array([[1, 2], [3, 4]])
arr4 = np.array([[5, 6], [7, 8]])
result_hstack_2d = np.hstack((arr3, arr4))
print("hstack拼接二维数组结果:")
print(result_hstack_2d)
# 输出:
# [[1 2 5 6]
#  [3 4 7 8]]

解释：hstack将arr3和arr4按列拼接，要求行数相同。如果数组维度不同，会报错。

使用np.concatenate(axis=1)

np.concatenate是一个通用函数，可以通过指定axis参数来实现不同方向的拼接。axis=1表示沿列方向拼接，与hstack类似。

# 使用concatenate进行横向拼接
result_concatenate_h = np.concatenate((arr3, arr4), axis=1)
print("concatenate(axis=1)拼接结果:")
print(result_concatenate_h)
# 输出: 与hstack相同

注意：axis=1对应第二个轴（列），适用于二维或更高维数组。对于一维数组，axis=1可能不适用（因为一维数组只有一个轴）。

1.2 纵向拼接（Vertical Stacking）

纵向拼接是将数组沿垂直方向（即行方向）拼接在一起。适用于两个或多个数组列数相同的情况。

使用vstack()

vstack()函数专门用于纵向拼接：np.vstack((array1, array2, ...))。

# 示例：一维数组（会被视为行向量）
arr5 = np.array([1, 2, 3])
arr6 = np.array([4, 5, 6])
result_vstack = np.vstack((arr5, arr6))
print("vstack拼接一维数组结果:")
print(result_vstack)
# 输出:
# [[1 2 3]
#  [4 5 6]]

# 示例：二维数组
arr7 = np.array([[1, 2], [3, 4]])
arr8 = np.array([[5, 6], [7, 8]])
result_vstack_2d = np.vstack((arr7, arr8))
print("vstack拼接二维数组结果:")
print(result_vstack_2d)
# 输出:
# [[1 2]
#  [3 4]
#  [5 6]
#  [7 8]]

解释：vstack将数组按行拼接，要求列数相同。一维数组会被提升为行向量。

使用np.concatenate(axis=0)

axis=0表示沿行方向拼接，与vstack类似。

result_concatenate_v = np.concatenate((arr7, arr8), axis=0)
print("concatenate(axis=0)拼接结果:")
print(result_concatenate_v)
# 输出: 与vstack相同

注意：axis=0是默认值，因此np.concatenate((arr1, arr2))等同于axis=0的拼接。

1.3 深度拼接（Depth Stacking）

深度拼接用于将多个二维数组沿第三个轴（深度方向）拼接成三维数组。使用dstack()函数。

# 示例：两个二维数组
arr9 = np.array([[1, 2], [3, 4]])
arr10 = np.array([[5, 6], [7, 8]])
result_dstack = np.dstack((arr9, arr10))
print("dstack拼接结果:")
print(result_dstack)
print("形状:", result_dstack.shape)
# 输出:
# [[[1 5]
#   [2 6]]
#  [[3 7]
#   [4 8]]]
# 形状: (2, 2, 2)

解释：dstack将arr9和arr10沿深度方向堆叠，创建了一个三维数组，其中每个“层”包含原始数组的元素。

1.4 多维拼接

对于更高维的数组，可以使用np.concatenate指定任意轴进行拼接。例如，axis=2可以用于三维数组的拼接。

# 示例：三维数组拼接
arr11 = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])  # 形状 (2, 2, 2)
arr12 = np.array([[[9, 10], [11, 12]], [[13, 14], [15, 16]]])
result_concatenate_3d = np.concatenate((arr11, arr12), axis=1)
print("三维数组沿axis=1拼接结果:")
print(result_concatenate_3d)
print("形状:", result_concatenate_3d.shape)
# 输出:
# [[[ 1  2]
#   [ 3  4]
#   [ 9 10]
#   [11 12]]
#  [[ 5  6]
#   [ 7  8]
#   [13 14]
#   [15 16]]]
# 形状: (2, 4, 2)

注意：拼接时，所有数组在非拼接轴上的维度必须相同，否则会引发ValueError。

2. 数组分割（Array Splitting）

数组分割是将一个数组分成多个子数组。NumPy提供了split、hsplit和vsplit函数。

2.1 使用split()

split()是通用分割函数，可以沿指定轴分割数组。语法：np.split(array, indices_or_sections, axis=0)。

• indices_or_sections：可以是整数（表示分成几个等分）或索引列表（指定分割点）。

# 示例：沿行分割二维数组
arr13 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])  # 形状 (4, 3)
result_split_axis0 = np.split(arr13, 2, axis=0)  # 分成2个等分
print("split沿axis=0分割成2份:")
for i, sub_arr in enumerate(result_split_axis0):
    print(f"第{i+1}份:")
    print(sub_arr)
# 输出:
# 第1份:
# [[1 2 3]
#  [4 5 6]]
# 第2份:
# [[ 7  8  9]
#  [10 11 12]]

# 使用索引列表分割
indices = [1, 3]  # 在索引1和3处分割（沿axis=0）
result_split_indices = np.split(arr13, indices, axis=0)
print("使用索引分割结果:")
for sub_arr in result_split_indices:
    print(sub_arr)
# 输出:
# [[1 2 3]]
# [[4 5 6]
#  [7 8 9]]
# [[10 11 12]]

2.2 使用hsplit()

hsplit()专门用于横向分割，沿列方向分割数组。等价于split with axis=1。

# 示例：将数组沿列分割
result_hsplit = np.hsplit(arr13, 3)  # 分成3列
print("hsplit分成3列:")
for sub_arr in result_hsplit:
    print(sub_arr)
# 输出:
# [[ 1]
#  [ 4]
#  [ 7]
#  [10]]
# [[ 2]
#  [ 5]
#  [ 8]
#  [11]]
# [[ 3]
#  [ 6]
#  [ 9]
#  [12]]

2.3 使用vsplit()

vsplit()专门用于纵向分割，沿行方向分割数组。等价于split with axis=0。

result_vsplit = np.vsplit(arr13, 2)  # 分成2行
print("vsplit分成2行:")
for sub_arr in result_vsplit:
    print(sub_arr)
# 输出:
# [[1 2 3]
#  [4 5 6]]
# [[ 7  8  9]
#  [10 11 12]]

注意：分割时，必须确保分割点有效，否则会引发错误。例如，如果数组不能等分，使用整数分割会报错。

3. 注意事项

• 维度一致性：拼接时，所有数组在非拼接轴上的维度必须相同；分割时，分割点必须匹配数组大小。
• 轴参数：理解axis的含义是关键。对于二维数组，axis=0是行方向，axis=1是列方向；对于更高维数组，轴编号递增对应不同维度。
• 函数选择：hstack、vstack、dstack是concatenate的便捷版本，适用于特定场景。split、hsplit、vsplit类似。
• 错误处理：在实践中，建议先检查数组形状，避免运行时错误。

4. 总结与练习建议

本教程覆盖了NumPy数组拼接和分割的核心功能。建议读者：

• 动手尝试所有代码示例，修改参数观察变化。
• 创建自己的数组进行练习，例如从随机数生成数组。
• 探索其他NumPy函数，如stack（用于沿新轴拼接）。
• 在真实数据处理中应用这些操作，如合并多个数据集或分割训练测试数据。

通过本教程，新手应能掌握数组拼接与分割的基础，为进一步学习NumPy打下坚实基础。