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)或((before, after),)为每个轴产生相同的填充前和填充后宽度。(pad,)或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)或((before, after),)为每个轴产生相同的填充前和填充后统计长度。(stat_length,)或int是before = 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)或((before, after),)为每个轴产生相同的填充前和填充后常量。(constant,)或constant是before = 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)或((before, after),)为每个轴产生相同的填充前和填充后结束值。(constant,)或constant是before = 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]])