Numpy 拼接数组的各种方式

拼接方法介绍

numpy.append(arr, values, axis=None)

可以拼接一个数组和一个数值两个数组,但三个及以上数组不能直接append拼接。

>>> import numpy as np
>>> a = np.array([1, 2, 3])
>>> b = np.array([5, 6, 7])
# 拼接一个数组和数值
>>> np.append(a, 4)
array([1, 2, 3, 4])
# 拼接两个数组
>>> np.append(a, b)
array([1, 2, 3, 5, 6, 7])
# 拼接列表成为数组
>>> np.append([1, 2, 3], [[4, 5, 6], [7, 8, 9]])
array([1, 2, 3, 4, 5, 6, 7, 8, 9])
# 不同坐标轴方向的拼接
>>> np.append([[1, 2, 3], [4, 5, 6]], [[7, 8, 9]], axis=0)
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

>>> c = np.array([[1, 3, 5]])
>>> d = np.array([[2, 4, 6]])
>>> np.append(c, d)
array([1, 3, 5, 2, 4, 6])
>>> np.append(c, d, axis=0)
array([[1, 3, 5],
       [2, 4, 6]])
>>> np.append(c, d, axis=1)
array([[1, 3, 5, 2, 4, 6]])

numpy.concatenate((a1, a2, …), axis=0, out=None)

concatenate()比append()效率更高,适合大规模的数据拼接,能够一次完成多个数组的拼接。

其中a1,a2,…是数组类型的参数,传入的数组必须具有相同的形状。

axis 指定拼接的方向,默认axis = 0(逐行拼接)(纵向的拼接沿着axis= 1方向)。

如果 axis=None,则数组会被展开为一维。

>>> a = np.array([[1, 2], [3, 4]])
>>> a
array([[1, 2],
       [3, 4]])
>>> b = np.array([[5, 6], [7, 8]])
>>> b
array([[5, 6],
       [7, 8]])
>>> np.concatenate((a, b), axis=0)
array([[1, 2],
       [3, 4],
       [5, 6],
       [7, 8]])
>>> np.concatenate((a, b.T), axis=1)
array([[1, 2, 5, 7],
       [3, 4, 6, 8]])
>>> np.concatenate((a, b), axis=None)
array([1, 2, 3, 4, 5, 6, 7, 8])

stack(), hstack(), vstack()

在一个新的轴方向上堆叠数组,其中 hstack() 在水平方向堆叠,vstack() 在竖直方向堆叠。

>>> a = np.array([1, 2, 3])
>>> b = np.array([2, 3, 4])
>>> np.stack((a, b))  # 默认axis=0,np.stack((a, b), axis=0)
array([[1, 2, 3],
       [2, 3, 4]])
>>> np.vstack((a, b))
array([[1, 2, 3],
       [2, 3, 4]])
>>> np.hstack((a, b))
array([1, 2, 3, 2, 3, 4])
>>> np.stack((a, b), axis=-1) 
array([[1, 2],
       [2, 3],
       [3, 4]])
>>> np.stack(([1, 2, 3], [4, 5, 6]), axis=0)
array([[1, 2, 3],
       [4, 5, 6]])

np.r_ 和 np.c_

以索引的方式拼接数组

>>> m = np.array([[1, 2], [3, 4]])
>>> m
array([[1, 2],
       [3, 4]])
>>> n = np.array([[5, 6], [7, 8]])
>>> n
array([[5, 6],
       [7, 8]])
>>> np.r_[m, n]  # 与 np.concatenate((m, n)),np.vstack((m, n)) 等价
array([[1, 2],
       [3, 4],
       [5, 6],
       [7, 8]])
>>> np.c_[m, n]  # 与 np.concatenate((m, n), axis=1),np.hstack((m, n)) 等价
array([[1, 2, 5, 6],
       [3, 4, 7, 8]])


# 还可以使用字符串描述拼接方式
>>> a = np.array([[0, 1, 2], [3, 4, 5]])
>>> np.r_['-1', a, a] # 最后的一个轴方向拼接
array([[0, 1, 2, 0, 1, 2],
       [3, 4, 5, 3, 4, 5]])

>>> np.r_['0,2', [1,2,3], [4,5,6]] # 第一个轴方向拼接,与 np.stack(([1, 2, 3], [4, 5, 6]), axis=0) 等价
array([[1, 2, 3],
       [4, 5, 6]])

>>> np.r_['0,2,0', [1,2,3], [4,5,6]]
array([[1],
       [2],
       [3],
       [4],
       [5],
       [6]])
>>> np.r_['1,2,0', [1,2,3], [4,5,6]] # 与 np.stack(([1, 2, 3], [4, 5, 6]), axis=1) 等价
array([[1, 4],
       [2, 5],
       [3, 6]])

总结

将两个一维数组拼接成一个更长的一维数组:

  • 输入:
    a = np.array([1, 2, 3])
    b = np.array([4, 5, 6])
  • 输出:
    array([1, 2, 3, 4, 5, 6])
  • 拼接的方法有:
    • np.append(a, b)
    • np.concatenate((a, b))
    • np.hstack((a, b))
    • np.r_[a, b], np.r_['0', a, b], np.r_['-1', a, b]

将两个一维数组拼接成二维数组:

  • 输入:
    a = np.array([1, 2, 3])
    b = np.array([4, 5, 6])
  • 输出形式1:
array([[1, 2, 3],
       [4, 5, 6]])
  • 拼接的方法有:
    • np.vstack((a, b))
    • np.stack((a, b), axis=0)
    • np.r_['0,2', a, b]
  • 输出形式2:
array([[1, 4],
       [2, 5],
       [3, 6]])
  • 拼接的方法有:
    • np.stack((a, b), axis=1)
    • np.c_[a, b]
    • np.r_['1,2,0', a, b]

拼接两个二维数组

  • 输入:
>>> m = np.array([[1, 2], [3, 4]])
>>> m
array([[1, 2],
       [3, 4]])
>>> n = np.array([[5, 6], [7, 8]])
>>> n
array([[5, 6],
       [7, 8]])
  • 水平拼接,输出为:
array([[1, 2, 5, 6],
       [3, 4, 7, 8]])
  • 拼接的方法有:
    • np.append(m, n, axis=1)
    • np.c_[m, n]
    • np.concatenate((m, n), axis=1)
    • np.hstack((m, n))
  • 竖直拼接,输出为:
array([[1, 2],
       [3, 4],
       [5, 6],
       [7, 8]])
  • 拼接的方法有
    • np.r_[m, n]
    • np.append(m, n, axis=0)
    • np.concatenate((m, n))
    • np.vstack((m, n))
展开阅读全文

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 大白 设计师: CSDN官方博客
应支付0元
点击重新获取
扫码支付

支付成功即可阅读