### 使用 NumPy 实现数组的合并、改变形状和数据类型转换 以下是针对数组合并、改变形状以及数据类型转换的具体实现方式，每段代码均以 `import numpy as np` 开头，确保可以直接运行。 --- #### 1. **数组合并** ##### 方法：`concatenate`, `vstack`, `hstack`, `append` - `concatenate`: 沿指定轴连接两个或多个数组[^3]。 - `vstack`: 垂直堆叠数组（沿第0轴）。 - `hstack`: 水平堆叠数组（沿第1轴）。 - `append`: 默认将数组展平后再追加[^3]。 ###### 示例代码 ```python import numpy as np # 定义两个数组 arr1 = np.array([1, 2, 3]) arr2 = np.array([4, 5, 6]) # 使用 concatenate 沿不同轴合并 result_concat_axis_0 = np.concatenate((arr1, arr2), axis=0) print("使用 concatenate 沿第0轴合并的结果:") print(result_concat_axis_0) # 使用 vstack 和 hstack result_vstack = np.vstack((arr1, arr2)) result_hstack = np.hstack((arr1, arr2)) print("\n使用 vstack 合并的结果 (二维):") print(result_vstack) print("\n使用 hstack 合并的结果 (一维):") print(result_hstack) # 使用 append 不指定轴，默认展平后追加 result_append = np.append(arr1, arr2) print("\n使用 append 的结果:") print(result_append) ``` --- #### 2. **改变数组形状** ##### 方法：`reshape`, `resize` - `reshape`: 返回一个具有新形状的新数组，不影响原数组[^1]。 - `resize`: 修改原数组的形状，可能导致数据截断或填充。 ###### 示例代码 ```python import numpy as np # 创建初始数组 original_array = np.array([1, 2, 3, 4, 5, 6]) # 使用 reshape 改变形状 reshaped_array = original_array.reshape(2, 3) print("使用 reshape 改变形状后的数组:") print(reshaped_array) # 使用 resize 修改原数组形状 try: original_array.resize((3, 2)) # 尝试修改为3x2形状 except ValueError as e: print(f"\nResize 错误: {e}") else: print("\n使用 resize 修改原数组形状后的结果:") print(original_array) ``` --- #### 3. **数据类型转换** ##### 方法：`astype` - `astype`: 将数组的数据类型转换为目标类型，支持多种数据类型如 `int`, `float`, `complex` 等。 ###### 示例代码 ```python import numpy as np # 创建整数型数组 integer_array = np.array([1, 2, 3, 4]) # 转换为浮点型 float_array = integer_array.astype(np.float64) print("转换为浮点型后的数组:") print(float_array) # 转换为复数类型 complex_array = integer_array.astype(np.complex128) print("\n转换为复数类型后的数组:") print(complex_array) # 验证数据类型变化 print("\n原始数组数据类型:", integer_array.dtype) print("浮点型数组数据类型:", float_array.dtype) print("复数类型数组数据类型:", complex_array.dtype) ``` --- ### 总结 以上展示了如何利用 NumPy 对数组进行合并、改变形状以及数据类型转换。通过合理运用 `concatenate`, `reshape`, `astype` 等函数，可以高效完成各种数组操作需求。 ---