numpy.pad#

numpy.pad(array, pad_width, mode='constant', **kwargs)[source]#

填充数组。

参数:
array秩为 N 的类数组

要填充的数组。

pad_width{序列,类数组,整数}

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)((before, after),) 为每个轴产生相同的填充前和填充后宽度。 (pad,)int 是所有轴填充前 = 填充后 = 填充宽度的快捷方式。

mode字符串或函数,可选

以下字符串值之一或用户提供的函数。

‘constant’(默认)

用常数值填充。

‘edge’

用数组的边缘值填充。

‘linear_ramp’

用 end_value 和数组边缘值之间的线性斜坡填充。

‘maximum’

用每个轴上所有或部分向量的最大值填充。

‘mean’

用每个轴上所有或部分向量的平均值填充。

‘median’

用每个轴上所有或部分向量的中位数填充。

‘minimum’

用每个轴上所有或部分向量的最小值填充。

‘reflect’

用每个轴上向量沿第一个和最后一个值镜像反射的向量填充。

‘symmetric’

用沿数组边缘镜像反射的向量填充。

‘wrap’

用沿轴向量的循环填充。使用第一个值来填充末尾,使用末尾值来填充开头。

‘empty’

用未定义的值填充。

版本 1.17 中的新功能。

<function>

填充函数,请参阅注释。

stat_length序列或整数,可选

在 ‘maximum’、‘mean’、‘median’ 和 ‘minimum’ 中使用。每个轴边缘用于计算统计值的值的数量。

((before_1, after_1), ... (before_N, after_N)) 每个轴的唯一统计长度。

(before, after)((before, after),) 为每个轴产生相同的填充前和填充后统计长度。

(stat_length,)intbefore = after = statistic 长度所有轴的快捷方式。

默认为 None,以使用整个轴。

constant_values序列或标量,可选

在 ‘constant’ 中使用。要为每个轴设置填充值的值。

((before_1, after_1), ... (before_N, after_N)) 每个轴的唯一填充常量。

(before, after)((before, after),) 为每个轴产生相同的填充前和填充后常量。

(constant,)constantbefore = after = constant 所有轴的快捷方式。

默认为 0。

end_values序列或标量,可选

在 ‘linear_ramp’ 中使用。用于线性斜坡的结束值,并将构成填充数组的边缘的值。

((before_1, after_1), ... (before_N, after_N)) 每个轴的唯一结束值。

(before, after)((before, after),) 为每个轴产生相同的填充前和填充后结束值。

(constant,)constantbefore = after = constant 所有轴的快捷方式。

默认为 0。

reflect_type{'even', 'odd'},可选

在 ‘reflect’ 和 ‘symmetric’ 中使用。'even' 样式是默认样式,在边缘值周围进行未更改的反射。对于 'odd' 样式,数组的扩展部分是通过从边缘值的二倍减去反射值创建的。

返回值:
padndarray

秩等于 array 的填充数组,其形状根据 pad_width 增加。

注释

版本 1.7.0 中的新功能。

对于秩大于 1 的数组,某些后续轴的填充是根据先前轴的填充计算的。对于秩为 2 的数组,最容易理解这一点,其中填充数组的角是通过使用第一个轴的填充值计算的。

如果使用填充函数,它应该就地修改秩为 1 的数组。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为 1 的数组。填充值是 vector[:iaxis_pad_width[0]] 和 vector[-iaxis_pad_width[1]:].

iaxis_pad_width元组

一个包含两个整数的元组,iaxis_pad_width[0] 表示 vector 开头填充的值的数量,iaxis_pad_width[1] 表示 vector 末尾填充的值的数量。

iaxisint

当前正在计算的轴。

kwargsdict

函数所需的任何关键字参数。

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]])