dask.array.pad
dask.array.pad¶
- dask.array.pad(array, pad_width, mode='constant', **kwargs)[源代码]¶
填充数组。
此文档字符串是从 numpy.pad 复制的。
Dask 版本可能存在一些不一致性。
- 参数
- 数组N 秩的类数组对象
要填充的数组。
- pad_width{序列, 类数组, 整数}
每个轴边缘填充的数值数量。
((before_1, after_1), ... (before_N, after_N))每个轴的唯一填充宽度。(before, after)或((before, after),)为每个轴提供相同的填充前和填充后。(pad,)或int是所有轴的填充前和填充后等于填充宽度的快捷方式。- 模式str 或 function，可选
以下字符串值之一或用户提供的函数。
- ‘常量’ (默认)
用常数值填充。
- ‘边缘’
使用数组的边缘值进行填充。
- ‘linear_ramp’
在 end_value 和数组边缘值之间用线性斜坡填充。
- ‘最大’
沿每个轴用向量的全部或部分的最大值进行填充。
- ‘平均’
在每个轴上用所有或部分向量的平均值填充。
- ‘中位数’
沿每个轴用向量的全部或部分的中值填充。
- ‘最小’
在每个轴上用向量所有或部分的最小值进行填充。
- ‘反射’
在每个轴上，用向量的反射填充，该反射在向量的第一个和最后一个值上镜像。
- ‘对称’
使用数组边缘沿向量反射的镜像来填充。
- ‘wrap’
沿轴对向量进行填充。首先使用前值填充末端，然后使用末值填充起始端。
- ‘空’
填充未定义的值。
1.17 新版功能.
- <函数>
填充函数，见注释。
- stat_length序列或整数，可选
用于 ‘最大值’, ‘平均值’, ‘中位数’, 和 ‘最小值’。 每个轴边缘使用的数值数量，用于计算统计值。
((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统计长度。(stat_length,)或int是所有轴的before = after = statistic长度的快捷方式。默认值为
None，以使用整个轴。- constant_values序列或标量，可选
用于 ‘constant’。设置每个轴的填充值。
((before_1, after_1), ... (before_N, after_N))每个轴的唯一填充常数。(before, after)或((before, after),)为每个轴生成相同的 before 和 after 常量。(constant,)或constant是before = after = constant的快捷方式，适用于所有轴。默认值为 0。
- end_values序列或标量，可选
用于 ‘linear_ramp’。这些值用于线性斜坡的结束值，并将形成填充数组的边缘。
((before_1, after_1), ... (before_N, after_N))每个轴的唯一结束值。(before, after)或((before, after),)为每个轴生成相同的开始和结束值。(constant,)或constant是before = after = constant的快捷方式，适用于所有轴。默认值为 0。
- reflect_type{‘even’, ‘odd’}, 可选
用于 ‘reflect’ 和 ‘symmetric’。’even’ 样式是默认的，围绕边缘值进行未改变的反射。对于 ‘odd’ 样式，数组的扩展部分是通过将反射值从两倍的边缘值中减去来创建的。
- 返回
- 填充ndarray
填充后的数组，其秩与 array 相同，形状根据 pad_width 增加。
注释
1.7.0 新版功能.
对于秩大于1的数组，一些后续轴的填充是根据前一轴的填充计算的。对于秩为2的数组，这一点最容易理解，其中填充数组的角是通过使用第一轴的填充值计算的。
填充函数（如果使用）应就地修改秩为1的数组。它具有以下签名:
padding_func(vector, iaxis_pad_width, iaxis, kwargs)
哪里
- 向量ndarray
一个已经用零填充的秩为1的数组。填充的值是 vector[:iaxis_pad_width[0]] 和 vector[-iaxis_pad_width[1]:]。
- iaxis_pad_width元组
一个由两个整数组成的元组，iaxis_pad_width[0] 表示在向量开始处填充的数值数量，而 iaxis_pad_width[1] 表示在向量末尾处填充的数值数量。
- iaxis整数
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]])