2.4 数组重塑组合与统计实战

2.4 数组重塑组合与统计实战

本节摘要：真实数据很少一开始就长得顺眼：要么维度不对，要么零散在多个数组里。本节解决"摆形状"和"拼数据"两件事——reshape 重塑、转置、拼接、分割，并用 axis 参数讲透聚合统计的维度含义，最后用电商订单金额完成一次综合统计实战。

上手前先明确

阅读完本节，你应当能够：

1. 用 reshape 改变数组形状，理解它与视图的关系
2. 用 transpose 或 T 转置数组，用 flatten 展开
3. 用 concatenate、vstack、hstack 拼接多个数组
4. 用 split、vsplit、hsplit 分割数组
5. 掌握 axis 参数，按行或按列做聚合统计

一、问题与直觉

数据处理里有两类高频需求，一是"形状不对"，二是"数据太散"。形状不对：从数据库拉回来的数据可能是扁平的一维数组，但要按 7 天一周分组看趋势就得摆成二维。数据太散：上个月的订单金额和这个月的分别存在两个数组里，想算季度总额就得先拼起来。本节把这两类操作一次讲清。

二、核心原理

2.1 reshape：换一种"看"的方式

形状操作是"摆数据"的艺术，四类操作对应四种需求：

reshape 不改变数据本身，只改变它的形状元数据。只要元素总数不变，任何形状都能互相转换。注意 reshape 通常返回视图（共享数据），修改结果会改动原数组。

import numpy as np
arr = np.arange(12)          # [0..11]
m = arr.reshape(3, 4)        # 3 行 4 列
print(m)
​

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
​

💡 关键直觉：reshape 是按"C 顺序"填充的——先填满一行再换行。写 -1 可以让 NumPy 自动推断该维大小，arr.reshape(-1, 1) 常用来把一维数组变成一列。

2.2 转置与展开

m.T              # 转置，3x4 变 4x3
m.flatten()      # 展开成一维，返回副本
m.ravel()        # 展开成一维，返回视图（尽量用 flatten 更安全）
​

2.3 拼接与分割

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])

np.concatenate([a, b])       # 一维拼接: [1 2 3 4 5 6]
np.vstack([a, b])            # 纵向堆叠: 2 行 3 列
np.hstack([a, b])            # 横向拼接: 1 行 6 列

# 分割
big = np.arange(12).reshape(3, 4)
np.vsplit(big, 3)            # 按行切成 3 块
np.hsplit(big, 2)            # 按列切成 2 块
​

2.4 axis：聚合统计的关键参数

sum、mean、std 等聚合函数都能接受 axis 参数，指定沿着哪个维度"压扁"：

• axis=0：沿第 0 维（行方向）压，得到每一列的统计值
• axis=1：沿第 1 维（列方向）压，得到每一行的统计值
• 不写 axis：全部元素压成一个标量

三、工程实践要点

3.1 聚合统计实战

# 3 家门店 4 天的销售额（单位：千元）
sales = np.array([
    [12.0, 15.0, 14.0, 18.0],   # 门店 A
    [8.0,  9.0,  11.0, 10.0],   # 门店 B
    [20.0, 22.0, 19.0, 25.0],   # 门店 C
])

sales.sum()          # 全部销售额
sales.mean(axis=1)   # 每家门店的日均销售额
sales.sum(axis=0)    # 每天的总销售额
sales.max(axis=0)    # 每天卖得最好的门店业绩
​

结果含义要读对：sales.mean(axis=1) 返回 3 个值，分别对应门店 A、B、C 的日均——"沿第 1 维压"就是把列求和再除以列数，剩下的是行。

⚠️ 常见坑：axis 方向记反是新手高频错误。一个可靠的口诀——axis 等于几，就把第几维"压没"。mean(axis=1) 后形状从 (3,4) 变成 (3,)，第 1 维没了，剩下的是每行的值。

3.2 统计口径的选择

金额类数据通常右偏（少数大单拉高均值），这时中位数比均值更能代表"典型客单价"——这是分析时的关键判断，第 4、5 章还会反复出现。

3.3 贯穿案例：订单金额多维度统计

把电商订单金额数组按维度拆解统计：

import numpy as np

np.random.seed(7)
# 模拟 5 家门店各 4 天的订单总额（万元）
orders = np.random.randint(3, 9, size=(5, 4)).astype(float)

print("日流水矩阵:\n", orders)
print("全部门店总流水:", orders.sum(), "万元")
print("各门店周均:", orders.mean(axis=1).round(2))
print("单日最高流水:", orders.max())
print("流水的中位数:", np.median(orders))
print("前 25% 分位:", np.percentile(orders, 25))
​

3.4 组合拳：先拼后算

把两批数据拼起来再统一统计，是常见的完整流程：

q1 = np.array([12, 15, 9])   # 一季度各月
q2 = np.array([18, 14, 21])  # 二季度各月
half = np.concatenate([q1, q2])
print(half.sum(), half.mean())  # 半年总额与月均
​

3.5 性能提示

reshape、ravel 是视图操作，几乎零开销；flatten、拼接、分割涉及复制，数据量大时注意内存。拼接大数组优先用 np.concatenate 一次性拼，避免在循环里反复拼接——后者会不断申请新内存，慢且费内存。

3.6 形状操作全览

3.7 堆叠的实战场景

# 把 3 个月的销售数据合并成一张表
jan = np.array([12, 15, 9])
feb = np.array([18, 14, 21])
mar = np.array([16, 17, 11])

# 纵向堆叠：3 行，每行一个月
quarter = np.vstack([jan, feb, mar])

# 横向拼接：1 行，3 个月数据依次排开
whole = np.hstack([jan, feb, mar])
​

⚠️ 常见坑：vstack 要求各数组列数一致（纵向堆叠是堆行），hstack 要求行数一致。形状不匹配会直接报错——先 print(a.shape, b.shape) 核对，再决定用哪个。

3.8 统计口径与业务解读

同一组数据，不同的统计口径讲不同的故事：

sales = np.array([[12, 15, 14], [8, 9, 11], [20, 22, 19]])

sales.sum()          # 总盘子：一共卖了多少
sales.sum(axis=1)    # 每个门店的业绩
sales.mean(axis=0)   # 每天的平均水平
sales.argmax(axis=0) # 每天谁是冠军门店
​

argmax(axis=0) 返回每天业绩最好的门店下标，配合门店名单就能回答"每天哪家店最强"。先想清楚业务问题（看总量？看个体？看每天？），再选聚合方式和 axis，这是统计实战的通用心法。

3.9 数组操作的组合实战

真实任务很少只用单一操作，往往是把本节工具串起来：

# 需求：把 12 个月销售数据按季度汇总，并找出最好的季度
monthly = np.arange(100, 400, 25)     # 12 个月的数据
quarterly = monthly.reshape(4, 3).sum(axis=1)  # 每 3 个月一组求和

print("季度汇总:", quarterly)
print("最好的季度:", quarterly.argmax() + 1)
print("季度间波动:", quarterly.std().round(2))
​

reshape(4, 3) 把 12 个数摆成 4 行 3 列（每行一个季度），sum(axis=1) 沿列压出每季度总和——一次 reshape 加一次聚合，季度汇总就出来了。这就是"形状操作 + 聚合"组合拳的典型用法。

3.10 与 Pandas 的衔接预告

本章的数组操作到 Pandas 里都有对应物：数组 → DataFrame、reshape → 透视、拼接 → concat、聚合 → groupby。先想清 NumPy 里"数据怎么摆、怎么算"，学 Pandas 时就只剩换 API——这也是为什么本书把 NumPy 放在 Pandas 之前。

温故知新

• 要点一：reshape 只改形状不改数据，通常返回视图；reshape(-1, 1) 自动推断
• 要点二：转置用 .T，展开用 flatten（副本）更安全
• 要点三：拼接三兄弟——concatenate 通用、vstack 纵向、hstack 横向
• 要点四：axis 等于几就把第几维压没，mean(axis=1) 得每行均值
• 要点五：金额右偏时中位数比均值更代表"典型值"
• 要点六：大数组拼接一次到位，别在循环里反复 concat

NumPy 这座地基已经打牢，下一章登上它建起的第一个大房子——Pandas，从此跟表格数据打交道。