填充数组

在处理不同的数据时，往往会遇到数据尺寸或维度不同的情况，如果要让尺寸或维度相同，除了可以使用 NumPy 改变数组的尺寸，也可以使用“填充数组”的方式，将特定的数值加入数组中，进而增加数组的长度，这篇教学将会介绍 numpy.pad() 填充数组的方法。

本篇使用的 Python 版本为 3.7.12，所有范例可使用 Google Colab 实作，不用安装任何软件 ( 参考：使用 Google Colab )

填充模式

numpy.pad() 填充数组时能设定填充模式，默认使用 constant 填充相同的数值 ( 默认 0 )，其他模式填入的最大值为原本数组里项目的最大值，最小值为 0，若数组中项目最小值小于 0 则以数组最小值作为最小值。

填充一维数组

一维数组填充后，会自动在左侧与右侧扩展出指定的大小，下方的程序为默认的 constant 模式，可设定左右的扩展大小，以及填入的数值内容。

import numpy as np
a = np.array([-2,-1,0,1,2])
print(np.pad(a,5))
# 左右各多出五個空格，填入 0
 # [ 0  0  0  0  0 -2 -1  0  1  2  0  0  0  0  0]

print(np.pad(a,5,constant_values = (5,8)))
# 左右各多出五個空格，左邊填入 5，右邊填入 8
# [ 5  5  5  5  5 -2 -1  0  1  2  8  8  8  8  8]

print(np.pad(a,(1,5)))
# 左邊多出一個空格，右邊多出五個空格，填入 0
# [ 0 -2 -1  0  1  2  0  0  0  0  0]

print(np.pad(a,(1,5),constant_values = (5,8)))
# 左邊多出一個空格，右邊多出五個空格，左邊填入 5，右邊填入 8
# [ 5 -2 -1  0  1  2  8  8  8  8  8]

下方列出不同填充模式下，填充后的数组长相：

import numpy as np
a = np.array([-2,-1,0,1,2])
print(np.pad(a,5,mode='edge'))        # [-2 -2 -2 -2 -2 -2 -1  0  1  2  2  2  2  2  2]
print(np.pad(a,5,mode='linear_ramp')) # [ 0  0  0 -1 -1 -2 -1  0  1  2  1  1  0  0  0]
print(np.pad(a,5,mode='maximum'))     # [ 2  2  2  2  2 -2 -1  0  1  2  2  2  2  2  2]
print(np.pad(a,5,mode='mean'))        # [ 0  0  0  0  0 -2 -1  0  1  2  0  0  0  0  0]
print(np.pad(a,5,mode='median'))      # [ 0  0  0  0  0 -2 -1  0  1  2  0  0  0  0  0]
print(np.pad(a,5,mode='minimum'))     # [-2 -2 -2 -2 -2 -2 -1  0  1  2 -2 -2 -2 -2 -2]
print(np.pad(a,5,mode='reflect'))     # [ 1  2  1  0 -1 -2 -1  0  1  2  1  0 -1 -2 -1]
print(np.pad(a,5,mode='symmetric'))   # [ 2  1  0 -1 -2 -2 -1  0  1  2  2  1  0 -1 -2]
print(np.pad(a,5,mode='wrap'))        # [-2 -1  0  1  2 -2 -1  0  1  2 -2 -1  0  1  2]

填充多维数组

一维数组填充后，会自动在“上下左右”扩展出指定的大小，下方的程序为默认的 constant 模式，可设定上下左右的扩展大小 ( 设定的两个数值的第一个表示左和上，第二个表示右和下 )，以及填入的数值内容 ( 设定的两个数值的第一个表示左和上，第二个表示右和下 )。

import numpy as np
a = np.array([[1,1],[2,2]])
print(np.pad(a,2))
'''
[[0 0 0 0 0 0]
 [0 0 0 0 0 0]
 [0 0 1 1 0 0]
 [0 0 2 2 0 0]
 [0 0 0 0 0 0]
 [0 0 0 0 0 0]]
'''
print(np.pad(a,2,constant_values = (5,8)))
'''
[[5 5 5 5 8 8]
 [5 5 5 5 8 8]
 [5 5 1 1 8 8]
 [5 5 2 2 8 8]
 [5 5 8 8 8 8]
 [5 5 8 8 8 8]]
'''
print(np.pad(a,(1,2)))
'''
[[0 0 0 0 0]
 [0 1 1 0 0]
 [0 2 2 0 0]
 [0 0 0 0 0]
 [0 0 0 0 0]]
'''
print(np.pad(a,(1,2),constant_values = (5,8)))
'''
[[5 5 5 8 8]
 [5 1 1 8 8]
 [5 2 2 8 8]
 [5 8 8 8 8]
 [5 8 8 8 8]]
'''

下方列出不同填充模式下，填充后的数组长相：

print(np.pad(a,2,mode='edge'))
'''
[[1 1 1 1 1 1]
 [1 1 1 1 1 1]
 [1 1 1 1 1 1]
 [2 2 2 2 2 2]
 [2 2 2 2 2 2]
 [2 2 2 2 2 2]]
'''
print(np.pad(a,2,mode='linear_ramp'))
'''
[[0 0 0 0 0 0]
 [0 0 0 0 0 0]
 [0 0 1 1 0 0]
 [0 1 2 2 1 0]
 [0 0 1 1 0 0]
 [0 0 0 0 0 0]]
'''
print(np.pad(a,2,mode='maximum'))
'''
[[2 2 2 2 2 2]
 [2 2 2 2 2 2]
 [1 1 1 1 1 1]
 [2 2 2 2 2 2]
 [2 2 2 2 2 2]
 [2 2 2 2 2 2]]
'''
print(np.pad(a,2,mode='mean'))
'''
[[2 2 2 2 2 2]
 [2 2 2 2 2 2]
 [1 1 1 1 1 1]
 [2 2 2 2 2 2]
 [2 2 2 2 2 2]
 [2 2 2 2 2 2]]
'''
print(np.pad(a,2,mode='median'))
'''
[[2 2 2 2 2 2]
 [2 2 2 2 2 2]
 [1 1 1 1 1 1]
 [2 2 2 2 2 2]
 [2 2 2 2 2 2]
 [2 2 2 2 2 2]]
'''
print(np.pad(a,2,mode='minimum'))
'''
[[1 1 1 1 1 1]
 [1 1 1 1 1 1]
 [1 1 1 1 1 1]
 [2 2 2 2 2 2]
 [1 1 1 1 1 1]
 [1 1 1 1 1 1]]
'''
print(np.pad(a,2,mode='reflect'))
'''
[[1 1 1 1 1 1]
 [2 2 2 2 2 2]
 [1 1 1 1 1 1]
 [2 2 2 2 2 2]
 [1 1 1 1 1 1]
 [2 2 2 2 2 2]]
'''
print(np.pad(a,2,mode='symmetric'))
'''
[[2 2 2 2 2 2]
 [1 1 1 1 1 1]
 [1 1 1 1 1 1]
 [2 2 2 2 2 2]
 [2 2 2 2 2 2]
 [1 1 1 1 1 1]]
'''
print(np.pad(a,2,mode='wrap'))
'''
[[1 1 1 1 1 1]
 [2 2 2 2 2 2]
 [1 1 1 1 1 1]
 [2 2 2 2 2 2]
 [1 1 1 1 1 1]
 [2 2 2 2 2 2]]
'''

意见反馈