使用Numpy將一維數組變為二維數組

在數據分析的過程中，我們經常需要對數據進行重構，將一維數組轉為二維數組是一個常見的任務。Numpy是Python中最常用的數值計算庫，它提供了一種快捷的方式將一維數組轉換為二維數組。本文將從多個方面對這個問題進行闡述。

一、使用Numpy創建一維數組

首先，我們需要創建一個一維數組。Numpy庫提供了多種方法可以創建一維數組，例如使用arange()函數，在指定範圍內創建一個等間隔的數組。

import numpy as np
arr = np.arange(1, 11)
print(arr)

上面的代碼將創建一個從1到10的一維數組，輸出結果為：[ 1 2 3 4 5 6 7 8 9 10]。

二、使用Numpy將一維數組轉為二維數組

1. reshape()

使用reshape()函數是將一維數組轉為二維數組最簡單的方式。使用reshape()函數時，我們需要指定新的數組的形狀，即新數組的行數和列數。

arr_2d = arr.reshape(2, 5)
print(arr_2d)

上面的代碼將創建一個2行5列的新數組，輸出結果為：

[[ 1  2  3  4  5]
 [ 6  7  8  9 10]]

注意：reshape()函數返回一個新數組，原數組並沒有被改變。如果我們想要改變原數組的形狀，可以直接調用reshape()函數。

arr.reshape(2, 5)
print(arr)

輸出結果為：

[ 1  2  3  4  5  6  7  8  9 10]

2. np.newaxis 或 None

除了使用reshape()函數，我們也可以使用np.newaxis或None來實現將一維數組轉換為二維數組。在Numpy中，使用np.newaxis或None在某些情況下可以用來增加維度，增加的維度為1。

arr_2d = arr[:, np.newaxis]
print(arr_2d)

上面的代碼將原數組的維度增加了一維，輸出結果為：

[[ 1]
 [ 2]
 [ 3]
 [ 4]
 [ 5]
 [ 6]
 [ 7]
 [ 8]
 [ 9]
 [10]]

使用None來實現同樣的效果：

arr_2d = arr[:, None]
print(arr_2d)

注意：使用None來增加維度時，需要在對應的維度上添加None。

三、排序

在數據分析的過程中，排序是常見的任務之一。Numpy庫提供了快捷的函數來幫助我們完成排序。

1. sort()

sort()函數可以用來對數組進行排序，不指定參數時默認按照升序排序：

arr = np.array([3, 1, 4, 1, 5, 9, 2, 6, 5, 3])
arr.sort()
print(arr)

輸出結果為：

[1 1 2 3 3 4 5 5 6 9]

可以指定參數kind來指定排序的方式：

• ‘quicksort’（默認）：快速排序
• ‘mergesort’：歸併排序
• ‘heapsort’：堆排序

2. argsort()

argsort()函數用來獲取排序後的索引值，即將原數組排序後，對應元素在排完序後的數組中的索引值。如果我們只需要獲取排序後的位置，而不需要對原數組進行排序，可以使用argsort()函數。

arr = np.array([3, 1, 4, 1, 5, 9, 2, 6, 5, 3])
idx = arr.argsort()
print(idx)

輸出結果為：

[1 3 6 0 9 2 4 8 7 5]

可以看到，argsort()函數返回的是排序後的索引值。

四、切片

切片是對數組進行子集選擇的一種方法，它可以用來選擇數組的一部分。在Numpy中，切片與Python中的基本相同。

arr = np.array([1, 2, 3, 4, 5])
# 選擇索引值為1到3的部分，不包含3
sub_arr = arr[1:3]
print(sub_arr)

輸出結果為：

[2 3]

除了基本的切片，Numpy還提供了一些高級的切片方式：

• 使用省略號(…)來代替多個冒號(:)
• 使用布爾值數組進行切片選擇
• 使用整數數組進行切片選擇

這裡不做詳細介紹，讀者可以查閱相關文檔。

五、合併

Numpy可以將兩個一維數組合併成一個二維數組。常見的方法包括concatenate、stack等。

1. concatenate()

concatenate函數用來沿著指定軸（默認為0），將兩個或多個數組進行連接。

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])

arr = np.concatenate((arr1, arr2))
print(arr)

輸出結果為：

[1 2 3 4 5 6]

我們也可以指定軸來改變連接的方式：

arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6]])

arr = np.concatenate((arr1, arr2), axis=0)
print(arr)

輸出結果為：

[[1 2]
 [3 4]
 [5 6]]

2. stack()

stack()函數在指定軸上將兩個或多個數組進行堆疊。

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])

arr = np.stack((arr1, arr2), axis=1)
print(arr)

輸出結果為：

[[1 4]
 [2 5]
 [3 6]]

六、判斷向量

在進行數組操作時，判斷一維數組是行向量還是列向量通常很有用。在Numpy中，一維數組被認為是行向量。

arr = np.array([1, 2, 3])
if arr.ndim == 1:
    if arr.shape[0] == 1:
        print('arr is a row vector')
    else:
        print('arr is a column vector')

輸出結果為：

arr is a row vector

七、排序二維數組

在進行數據分析時，經常需要按照某個軸對二維數組進行排序。Numpy提供了一些快捷的函數來幫助我們完成這個任務。

1. sort()

sort()函數在不指定軸時默認會在最後一個軸上進行排序，也就是說，sort()函數將各行看作一個元素，依次比較各元素的大小，並將其排序。

arr = np.array([[3, 1, 4], [1, 5, 9], [2, 6, 5]])
arr.sort()
print(arr)

輸出結果為：

[[1 3 4]
 [1 5 9]
 [2 5 6]]

我們也可以指定軸進行排序：

arr.sort(axis=0)
print(arr)

輸出結果為：

[[1 1 4]
 [2 5 5]
 [3 6 9]]

2. argsort()

argsort()函數可以用來獲取按照指定軸排序後的索引值：

arr = np.array([[3, 1, 4], [1, 5, 9], [2, 6, 5]])
idx = arr.argsort()
print(idx)

輸出結果為：

[[1 0 2]
 [0 1 2]
 [0 2 1]]

我們也可以指定軸進行排序：

idx = arr.argsort(axis=0)
print(idx)

輸出結果為：

[[1 0 0]
 [2 1 2]
 [0 2 1]]

八、總結

本文介紹了使用Numpy將一維數組轉為二維數組的多種方式，同時也介紹了常見的排序、切片、合併和判斷向量的方法。希望讀者能夠通過本文了解到使用Numpy進行數據處理時的一些常見問題和解決方法。