numpy.pad#
- numpy.pad(array, pad_width, mode='constant', **kwargs)[源代码]#
填充数组.
- 参数:
- array秩为 N 的 array_like
要填充的数组.
- pad_width{sequence, array_like, int}
填充到每个轴边缘的值的数量.
((before_1, after_1), ... (before_N, after_N))每个轴的唯一填充宽度.(before, after)或((before, after),)产生每个轴相同的 before 和 after 填充.(pad,)或int是所有轴的 before = after = pad 宽度的快捷方式.- modestr 或 function, 可选
以下字符串值之一或用户提供的函数.
- ‘constant’ (默认)
用一个常数值填充.
- ‘edge’
用数组的边缘值填充.
- ‘linear_ramp’
使用 end_value 和数组边缘值之间的线性渐变填充.
- ‘maximum’
使用沿每个轴的向量的全部或部分的最大值填充.
- ‘mean’
使用沿每个轴的向量的全部或部分的平均值填充.
- ‘median’
使用沿每个轴的向量的全部或部分的中值填充.
- ‘minimum’
使用沿每个轴的向量的全部或部分的最小值填充.
- ‘reflect’
使用向量的反射填充,该反射在沿每个轴的向量的第一个和最后一个值上镜像.
- ‘symmetric’
使用向量的反射填充,该反射沿数组的边缘镜像.
- ‘wrap’
使用沿轴的向量的wrap填充.第一个值用于填充末尾,末尾值用于填充开头.
- ‘empty’
用未定义的值填充.
- <function>
填充函数,请参见 Notes.
- stat_length序列或整数,可选
在"maximum","mean","median"和"minimum"中使用.用于计算统计值的每个轴边缘的值的数量.
((before_1, after_1), ... (before_N, after_N))每个轴的唯一统计长度.(before, after)或((before, after),)产生每个轴相同的 before 和 after 统计长度.(stat_length,)或int是所有轴的before = after = statistic长度的快捷方式.默认为
None,使用整个轴.- constant_valuessequence 或 scalar, 可选
在"constant"中使用.用于设置每个轴的填充值的值.
((before_1, after_1), ... (before_N, after_N))每个轴的唯一填充常量.(before, after)或((before, after),)产生每个轴相同的 before 和 after 常量.(constant,)或constant是所有轴的before = after = constant的快捷方式.默认为 0.
- end_valuessequence 或 scalar, 可选
在"linear_ramp"中使用.用于线性渐变的结束值,并将形成填充数组边缘的值.
((before_1, after_1), ... (before_N, after_N))每个轴的唯一结束值.(before, after)或((before, after),)产生每个轴相同的 before 和 after 结束值.(constant,)或constant是所有轴的before = after = constant的快捷方式.默认为 0.
- reflect_type{‘even’, ‘odd’}, 可选
在"reflect"和"symmetric"中使用. "even"样式是默认设置,围绕边缘值进行未更改的反射.对于"odd"样式,通过从边缘值的两倍中减去反射值来创建数组的扩展部分.
- 返回:
- padndarray
秩等于
array的填充数组,其形状根据 pad_width 增加.
注释
对于秩大于 1 的数组,后面一些轴的填充是从前面轴的填充计算出来的.对于秩为 2 的数组来说,这是最容易理解的,其中填充数组的角是通过使用来自第一个轴的填充值计算出来的.
如果使用填充函数,则应就地修改秩 1 数组.它具有以下签名:
padding_func(vector, iaxis_pad_width, iaxis, kwargs)
其中
- vectorndarray
一个已经用零填充的秩 1 数组.填充值为 vector[:iaxis_pad_width[0]] 和 vector[-iaxis_pad_width[1]:].
- iaxis_pad_width元组
一个整数的2元组, iaxis_pad_width[0] 表示在向量*开头*填充的值的数量,而 iaxis_pad_width[1] 表示在向量*末尾*填充的值的数量.
- iaxisint
当前正在计算的轴.
- kwargsdict
函数需要的任何关键字参数.
示例
>>> import numpy as np >>> 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]])