numpy.concatenate理解

一、numpy的轴

首先要知道什么是轴，简单来说，数组有几维就有几个轴
例如
x=[1,2,3]有一个轴
x=[[1,2,3],[3,5,6]]有两个轴，当轴=0时，元素为[1,2,3]和[3,5,6]，当轴=1时，元素为1,2,3,3,5,6，即，轴其实就是[],最外面的[]就是第一个轴的维度，第二个[]就是轴=1，以此类推

二、numpy.concatenate

看例子

>>> a=np.array([1,2,3])
>>> b=np.array([11,22,33])
>>> c=np.array([44,55,66])
>>> np.concatenate((a,b,c),axis=0)  # 默认情况下，axis=0可以不写
array([ 1,  2,  3, 11, 22, 33, 44, 55, 66]) #对于一维数组拼接，axis的值不影响最后的结果

 

>>> a=np.array([[1,2,3],[4,5,6]])
>>> b=np.array([[11,21,31],[7,8,9]])
>>> np.concatenate((a,b),axis=0)
array([[ 1,  2,  3],
       [ 4,  5,  6],
       [11, 21, 31],
       [ 7,  8,  9]])

>>> np.concatenate((a,b),axis=1)  #axis=1表示对应行的数组进行拼接
array([[ 1,  2,  3, 11, 21, 31],
       [ 4,  5,  6,  7,  8,  9]])

发现规律没？每一个numpy.concatenate其实就是在axis上将对应数组进行append操作！
例如numpy.concatenate([[[1],[2],[3]], [[4],[5],[6]]], axis=1),则元素为轴1时的，即[1],[2],…[6]，[1].append([4]就是[1,4]，以此类推，结果为[[1,4],[2,5],[3,6]]，为什么少了一层[]?因为函数调用需要多加yiceng[]，最终结果再去掉即可

参考：https://blog.csdn.net/zyl1042635242/article/details/43162031