本文简要介绍 python 语言中 numpy.block
的用法。
用法:
numpy.block(arrays)
从嵌套的块列表中组装 nd-array。
最内层列表中的块沿着最后一个维度 (-1) 连接(参见
concatenate
),然后这些块沿着 second-last 维度 (-2) 连接,依此类推,直到到达最外层列表。块可以是任何维度,但不会使用正常规则进行广播。相反,插入大小为 1 的引导轴,以使所有块的
block.ndim
相同。这主要用于处理标量,这意味着像np.block([v, 1])
这样的代码是有效的,其中v.ndim == 1
。当嵌套列表有两层深度时,这允许从它们的组件构造块矩阵。
- arrays: 数组 或标量的嵌套列表(但不是元组)
如果传递单个 ndarray 或标量(深度为 0 的嵌套列表),则返回未修改(且未复制)。
元素形状必须沿适当的轴匹配(不广播),但前导 1 将根据需要添加到形状之前以使尺寸匹配。
- block_array: ndarray
从给定块组装的数组。
输出的维数等于以下各项中的最大值: * 所有输入的维数 * 输入列表嵌套的深度
- ValueError
如果列表深度不匹配 - 例如,
[[a, b], c]
是非法的,应拼写为[[a, b], [c]]
如果列表为空 - 例如,
[[a, b], []]
参数:
返回:
抛出:
注意:
当仅使用标量调用时,
np.block
等效于 ndarray 调用。所以np.block([[1, 2], [3, 4]])
等价于np.array([[1, 2], [3, 4]])
。此函数不强制块位于固定网格上。
np.block([[a, b], [c, d]])
不限于以下形式的数组:AAAbb AAAbb cccDD
但也允许生产,对于一些
a, b, c, d
:AAAbb AAAbb cDDDD
由于连接首先发生在最后一个轴上,
block
_not_ 能够直接产生以下内容:AAAbb cccbb cccDD
Matlab 的“square bracket stacking”,
[A, B, ...; p, q, ...]
,等价于np.block([[A, B, ...], [p, q, ...]])
。例子:
该函数最常见的用途是构建块矩阵
>>> A = np.eye(2) * 2 >>> B = np.eye(3) * 3 >>> np.block([ ... [A, np.zeros((2, 3))], ... [np.ones((3, 2)), B ] ... ]) array([[2., 0., 0., 0., 0.], [0., 2., 0., 0., 0.], [1., 1., 3., 0., 0.], [1., 1., 0., 3., 0.], [1., 1., 0., 0., 3.]])
对于深度为 1 的列表,
block
可以用作hstack
>>> np.block([1, 2, 3]) # hstack([1, 2, 3]) array([1, 2, 3])
>>> a = np.array([1, 2, 3]) >>> b = np.array([4, 5, 6]) >>> np.block([a, b, 10]) # hstack([a, b, 10]) array([ 1, 2, 3, 4, 5, 6, 10])
>>> A = np.ones((2, 2), int) >>> B = 2 * A >>> np.block([A, B]) # hstack([A, B]) array([[1, 1, 2, 2], [1, 1, 2, 2]])
对于深度为 2 的列表,可以使用
block
代替vstack
:>>> a = np.array([1, 2, 3]) >>> b = np.array([4, 5, 6]) >>> np.block([[a], [b]]) # vstack([a, b]) array([[1, 2, 3], [4, 5, 6]])
>>> A = np.ones((2, 2), int) >>> B = 2 * A >>> np.block([[A], [B]]) # vstack([A, B]) array([[1, 1], [1, 1], [2, 2], [2, 2]])
它也可以用在
atleast_1d
和atleast_2d
的地方>>> a = np.array(0) >>> b = np.array([1]) >>> np.block([a]) # atleast_1d(a) array([0]) >>> np.block([b]) # atleast_1d(b) array([1])
>>> np.block([[a]]) # atleast_2d(a) array([[0]]) >>> np.block([[b]]) # atleast_2d(b) array([[1]])
相关用法
- Python numpy blackman用法及代码示例
- Python numpy broadcast用法及代码示例
- Python numpy byte_bounds用法及代码示例
- Python numpy broadcast.nd用法及代码示例
- Python numpy busday_offset用法及代码示例
- Python numpy base_repr用法及代码示例
- Python numpy bartlett用法及代码示例
- Python numpy broadcast.size用法及代码示例
- Python numpy broadcast.reset用法及代码示例
- Python numpy broadcast_shapes用法及代码示例
- Python numpy busdaycalendar用法及代码示例
- Python numpy bitwise_xor用法及代码示例
- Python numpy binary_repr用法及代码示例
- Python numpy bitwise_and用法及代码示例
- Python numpy broadcast.numiter用法及代码示例
- Python numpy busday_count用法及代码示例
- Python numpy broadcast.iters用法及代码示例
- Python numpy broadcast_to用法及代码示例
- Python numpy broadcast_arrays用法及代码示例
- Python numpy broadcast.ndim用法及代码示例
- Python numpy bmat用法及代码示例
- Python numpy bincount用法及代码示例
- Python numpy broadcast.index用法及代码示例
- Python numpy bitwise_or用法及代码示例
- Python numpy RandomState.standard_exponential用法及代码示例
注:本文由纯净天空筛选整理自numpy.org大神的英文原创作品 numpy.block。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。