Python numpy.block函数方法的使用

NumPy（Numerical Python的缩写）是一个开源的Python科学计算库。使用NumPy，就可以很自然地使用数组和矩阵。NumPy包含很多实用的数学函数，涵盖线性代数运算、傅里叶变换和随机数生成等功能。本文主要介绍一下NumPy中block方法的使用。

numpy.block

numpy.block(arrays) [source]

从块的嵌套列表中组装一个 nd-array。

最里面的列表中的块沿最后一个维度（-1）concatenate（请参阅concatenate），然后沿着倒数第二个维度（-2）进行concatenate，依此类推，直到到达最外面的列表。

Blocks可以是任何尺寸，但不会使用常规规则进行广播。而是插入大小为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np.block（[v，1]）之类的代码是有效的，其中v.ndim == 1。

当嵌套列表深达两层时，这允许从其组件构造块矩阵。

1.13.0版中的新功能。

参数：

arrays ：array_like的nested list 或 scalars (但不是tuples)

如果传递单个ndarray或标量（深度为0的嵌套列表），

则将返回未修改的（且不会复制）。

元素形状必须沿适当的轴匹配（无广播），

但是将在必要时在形状前添加前导1，以使尺寸匹配。

返回值：

block_array ：ndarray

从给定的块组装而成的阵列。

输出的维度等于以下项中的最大值：

*所有输入的维度*输入列表嵌套的深度

Raises ：

ValueError

如果列表深度不匹配-例如，[[[a，b]，c]是非法的，

应将其拼写为[[a，b]，[c]]如果列表为空

例如，[[[a，b]，[]]

Notes

当仅使用标量调用时，np.block等效于ndarray调用。因此，np.block（[[[1，2]，[3，4]]）等同于np.array（[[1，2]，[3，4]]）。

此功能不强制块位于固定的网格上。np.block（[[[a，b]，[c，d]]）不限于以下形式的数组：

AAAbbAAAbbcccDD

但也可以为某些a，b，c，d生成：

AAAbbAAAbbcDDDD

由于级联首先沿最后一个轴发生，因此block不能直接产生以下结果：

AAAbbcccbbcccDD

Matlab的“方括号堆叠”，[A，B，...; p，q，...]，等效于np.block（[[A，B，...]，[p，q，...]]）。

例子

此功能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.]])

具有深度1的列表，block可用作hstack

>>> np.block([1, 2, 3])              # hstack([1, 2, 3])array([1, 2, 3])

>>> a = np.array([1, 2, 3])>>> b = np.array([2, 3, 4])>>> np.block([a, b, 10])             # hstack([a, b, 10])array([ 1,  2,  3,  2,  3,  4, 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]])

具有深度2的列表，可以使用block代替vstack：

>>> a = np.array([1, 2, 3])>>> b = np.array([2, 3, 4])>>> np.block([[a], [b]])             # vstack([a, b])array([[1, 2, 3],       [2, 3, 4]])

>>> 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]])

也可以在atleast_1d和atleast_2d的地方使用

>>> 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]])