numpy.
pad
填充数组。
要填充的数组。
填充到每个轴边缘的值的数目。(在“1”之前,在“1”之后),…(n之前,n之后)每个轴的唯一焊盘宽度。(之前,之后),对于每个轴,生成相同的前后pad。(pad,)或int是before=after=所有轴的pad宽度的快捷方式。
下列字符串值之一或用户提供的函数。
具有恒定值的焊盘。
用数组的边值填充。
在结束值和数组边缘值之间具有线性渐变的焊盘。
沿每个轴的全部或部分矢量的最大值。
与沿每个轴的全部或部分矢量的平均值相加。
沿每个轴的全部或部分矢量的中值填充。
沿每个轴的矢量的全部或部分的最小值。
在每个轴上向量的第一个值和最后一个值上镜像向量的反射。
带有沿阵列边缘镜像的向量反射的焊盘。
用矢量沿轴的环绕来填充。第一个值用于填充结束,结束值用于填充开始。
具有未定义值的焊盘。
1.17 新版功能.
填充函数,请参见注释。
用于“最大值”、“平均值”、“中间值”和“最小值”。用于计算统计值的每个轴边缘的值数。
(在“1”之前,在“1”之后),…(n之前,n之后)每个轴的唯一统计长度。
(之前、之后)生成每个轴的统计长度前后相同的结果。
(stat_length,)或int是before=after=所有轴的统计长度的快捷方式。
None ,以使用整个轴。
None
在“常量”中使用。为每个轴设置填充值的值。
((before_1, after_1), ... (before_N, after_N)) 每个轴的唯一焊盘常数。
((before_1, after_1), ... (before_N, after_N))
((before, after),) 为每个轴生成相同的前后常量。
((before, after),)
(constant,) 或 constant 是的快捷方式 before = after = constant 对于所有轴。
(constant,)
constant
before = after = constant
默认值为0。
用于“线性”斜坡。用于线性_渐变结束值的值,该值将形成填充数组的边缘。
((before_1, after_1), ... (before_N, after_N)) 每个轴的唯一结束值。
((before, after),) 为每个轴生成相同的前后结束值。
用于“反射”和“对称”。“偶数”样式是默认样式,边缘值周围的反射不变。对于“奇数”样式,数组的扩展部分是通过从边缘值的两倍中减去反射值来创建的。
填充的秩数组等于 array 随着形状的增加 pad_width .
array
笔记
1.7.0 新版功能.
对于秩大于1的数组,后一个轴的某些填充是根据前一个轴的填充计算的。对于排名2的数组,最容易想到的是使用第一个轴的填充值计算填充数组的角。
padding函数(如果使用)应该适当地修改秩1数组。它有以下签名:
padding_func(vector, iaxis_pad_width, iaxis, kwargs)
在哪里?
矢量恩达雷已经用零填充的秩1数组。填充值是向量 [:iaxis_pad_width[0] 和向量 [-iaxis_pad_width[1] : iaxis_pad_width元组两元组整数,i轴pad宽度 [0] 表示在向量开始处填充的值数,其中iaxis_pad_width [1] 表示矢量末尾填充的值数。 IAXIS利息当前正在计算的轴。 关键字参数双关语函数所需的任何关键字参数。
已经用零填充的秩1数组。填充值是向量 [:iaxis_pad_width[0] 和向量 [-iaxis_pad_width[1] :
两元组整数,i轴pad宽度 [0] 表示在向量开始处填充的值数,其中iaxis_pad_width [1] 表示矢量末尾填充的值数。
当前正在计算的轴。
函数所需的任何关键字参数。
实例
>>> a = [1, 2, 3, 4, 5] >>> np.pad(a, (2, 3), 'constant', constant_values=(4, 6)) array([4, 4, 1, ..., 6, 6, 6])
>>> np.pad(a, (2, 3), 'edge') array([1, 1, 1, ..., 5, 5, 5])
>>> np.pad(a, (2, 3), 'linear_ramp', end_values=(5, -4)) array([ 5, 3, 1, 2, 3, 4, 5, 2, -1, -4])
>>> np.pad(a, (2,), 'maximum') array([5, 5, 1, 2, 3, 4, 5, 5, 5])
>>> np.pad(a, (2,), 'mean') array([3, 3, 1, 2, 3, 4, 5, 3, 3])
>>> np.pad(a, (2,), 'median') array([3, 3, 1, 2, 3, 4, 5, 3, 3])
>>> a = [[1, 2], [3, 4]] >>> np.pad(a, ((3, 2), (2, 3)), 'minimum') array([[1, 1, 1, 2, 1, 1, 1], [1, 1, 1, 2, 1, 1, 1], [1, 1, 1, 2, 1, 1, 1], [1, 1, 1, 2, 1, 1, 1], [3, 3, 3, 4, 3, 3, 3], [1, 1, 1, 2, 1, 1, 1], [1, 1, 1, 2, 1, 1, 1]])
>>> a = [1, 2, 3, 4, 5] >>> np.pad(a, (2, 3), 'reflect') array([3, 2, 1, 2, 3, 4, 5, 4, 3, 2])
>>> np.pad(a, (2, 3), 'reflect', reflect_type='odd') array([-1, 0, 1, 2, 3, 4, 5, 6, 7, 8])
>>> np.pad(a, (2, 3), 'symmetric') array([2, 1, 1, 2, 3, 4, 5, 5, 4, 3])
>>> np.pad(a, (2, 3), 'symmetric', reflect_type='odd') array([0, 1, 1, 2, 3, 4, 5, 5, 6, 7])
>>> np.pad(a, (2, 3), 'wrap') array([4, 5, 1, 2, 3, 4, 5, 1, 2, 3])
>>> def pad_with(vector, pad_width, iaxis, kwargs): ... pad_value = kwargs.get('padder', 10) ... vector[:pad_width[0]] = pad_value ... vector[-pad_width[1]:] = pad_value >>> a = np.arange(6) >>> a = a.reshape((2, 3)) >>> np.pad(a, 2, pad_with) array([[10, 10, 10, 10, 10, 10, 10], [10, 10, 10, 10, 10, 10, 10], [10, 10, 0, 1, 2, 10, 10], [10, 10, 3, 4, 5, 10, 10], [10, 10, 10, 10, 10, 10, 10], [10, 10, 10, 10, 10, 10, 10]]) >>> np.pad(a, 2, pad_with, padder=100) array([[100, 100, 100, 100, 100, 100, 100], [100, 100, 100, 100, 100, 100, 100], [100, 100, 0, 1, 2, 100, 100], [100, 100, 3, 4, 5, 100, 100], [100, 100, 100, 100, 100, 100, 100], [100, 100, 100, 100, 100, 100, 100]])