填充陣列

在處理不同的資料時，往往會遇到資料尺寸或維度不同的情況，如果要讓尺寸或維度相同，除了可以使用 NumPy 改變陣列的尺寸，也可以使用「填充陣列」的方式，將特定的數值加入陣列中，進而增加陣列的長度，這篇教學將會介紹 numpy.pad() 填充陣列的方法。

本篇使用的 Python 版本為 3.7.12，所有範例可使用 Google Colab 實作，不用安裝任何軟體 ( 參考：使用 Google Colab )

填充模式

numpy.pad() 填充陣列時能設定填充模式，預設使用 constant 填充相同的數值 ( 預設 0 )，其他模式填入的最大值為原本陣列裡項目的最大值，最小值為 0，若陣列中項目最小值小於 0 則以陣列最小值作為最小值。

填充一維陣列

一維陣列填充後，會自動在左側與右側擴展出指定的大小，下方的程式為預設的 constant 模式，可設定左右的擴展大小，以及填入的數值內容。

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，填充後的陣列長相：

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]

填充多維陣列

一維陣列填充後，會自動在「上下左右」擴展出指定的大小，下方的程式為預設的 constant 模式，可設定上下左右的擴展大小 ( 設定的兩個數值的第一個表示左和上，第二個表示右和下 )，以及填入的數值內容 ( 設定的兩個數值的第一個表示左和上，第二個表示右和下 )。

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，填充後的陣列長相：

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]]
'''

意見回饋

如果有任何建議或問題，可傳送「意見表單」給我，謝謝～