ndarray维度认识及np.concatenate函数详解

本文主要是介绍numpy中的维度，以及维度方面的常见操作，例如：np.concatenate()等

关于这些方面，已经有一些优秀的博文。例如：

1. Numpy中stack()，hstack()，vstack()函数详解

2. numpy库数组拼接np.concatenate官方文档详解与实例

 

ndarray维度

以下是直接在jupyter notebook中运行的结果。

np.concatenate函数

np.concatenate函数是一个比较常见的函数。主要功能是对多个数组进行拼接。

函数有两点要求：

• 相同维度的数组，
• 除了axis外，数组的其余维度对应相等。

首先来理解相同维度的数组。通过以下这个例子来说明。

上面两个数组就是维度不一样。up是两个维度，down是一个维度，所以导致出现了问题。如果我们将down增加一个维度，再进行拼接，就能成功。看下面的例子。

说完维度， 再来说一说函数中的axis参数。axis可以等于0，可以等于1，也可以等于更大的整数。但是它代表的意义，却应该结合需要concat的两个数组来看。函数要求，除了需要concat的维度数可以不同，其余维度数必须相同。什么意思呢？

如果我们创建了两个数组，分别是二维的。up数组，大小为(2,3)。down数组，大小为(4,3)。那么，我们可以将数组沿着axis=0来进行concat。而axis=1则不行。

axis=0，在此例中表示，up数组的第一维度，为2；down数组的第一维度，为4。除此之外，两个数组的另外维度分别都为3，满足要求。

axis=1，在此例中表示，up数组的第二维度，为3；down数组的第二维度，为3。除此之外，两个数组的维度分别为2和4，不相等，也就不满足要求了。

至此，解释完了np.concatenate()中两个参数的要求：一是相同维度的数组，二是除了axis外，数组的其余维度对应相等。实际上，np.vstack()以及np.hstack()的功能和作用与np.concatenate()相似，可以类推。