Python中numpy数组的拼接、合并

Python中numpy数组的合并有很多方法,如

np.append()
np.concatenate()
np.stack()
np.hstack()
np.vstack()
np.dstack()
其中最泛用的是第一个和第二个。第一个可读性好,比较灵活,但是占内存大。第二个则没有内存占用大的问题。

假设有两个数组a,b分别为:

>>> a
array([0, 1, 2],
       [3, 4, 5],
       [6, 7, 8])
>>> b = a*2
>>> b
array([ 0, 2, 4],
       [ 6, 8, 10],
       [12, 14, 16])
1、水平组合
>>> np.hstack((a,b))
array([ 0, 1, 2, 0, 2, 4],
       [ 3, 4, 5, 6, 8, 10],
       [ 6, 7, 8, 12, 14, 16])

>>> np.concatenate((a,b),axis=1)
array([ 0, 1, 2, 0, 2, 4],
       [ 3, 4, 5, 6, 8, 10],
       [ 6, 7, 8, 12, 14, 16])
2、垂直组合
>>> np.vstack((a,b))
array([ 0, 1, 2],
       [ 3, 4, 5],
       [ 6, 7, 8],
       [ 0, 2, 4],
       [ 6, 8, 10],
       [12, 14, 16])

>>> np.concatenate((a,b),axis=0)
array([ 0, 1, 2],
       [ 3, 4, 5],
       [ 6, 7, 8],
       [ 0, 2, 4],
       [ 6, 8, 10],
       [12, 14, 16])
3、深度组合:沿着纵轴方向组合
>>> np.dstack((a,b))
array([[ 0, 0],
        [ 1, 2],
        [ 2, 4],

       [ 3, 6],
        [ 4, 8],
        [ 5, 10],

       [ 6, 12],
        [ 7, 14],
        [ 8, 16]])
4、列组合column_stack()

一维数组:按列方向组合
二维数组:同hstack一样

5、行组合row_stack()

以为数组:按行方向组合
二维数组:和vstack一样

6、“==”用来比较两个数组
>>> a==b
array([ True, False, False],
       [False, False, False],
       [False, False, False], dtype=bool)
#True那个因为都是0
  • 148
    点赞
  • 658
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
拼接合并是将多个数组组合成一个更大的数组的操作。在numpy,有几种方法可以完成这个任务: 1. concatenate函数:可以将两个或多个数组在指定轴上拼接起来。例如,将两个一维数组拼接成一个更大的一维数组: ``` python import numpy as np a = np.array([1, 2, 3]) b = np.array([4, 5, 6]) c = np.concatenate((a, b)) print(c) # 输出 [1 2 3 4 5 6] ``` 也可以将两个二维数组在指定轴上拼接起来: ``` python import numpy as np a = np.array([[1, 2], [3, 4]]) b = np.array([[5, 6]]) c = np.concatenate((a, b), axis=0) print(c) # 输出 [[1, 2], [3, 4], [5, 6]] ``` 2. vstack和hstack函数:vstack函数将两个数组垂直堆叠(行方向),而hstack函数将两个数组水平堆叠(列方向)。例如: ``` python import numpy as np a = np.array([1, 2, 3]) b = np.array([4, 5, 6]) c = np.vstack((a, b)) print(c) # 输出 [[1 2 3], [4 5 6]] a = np.array([[1], [2], [3]]) b = np.array([[4], [5], [6]]) c = np.hstack((a, b)) print(c) # 输出 [[1 4], [2 5], [3 6]] ``` 3. stack函数:可以将多个数组沿着一个新的轴(维度)进行堆叠。例如: ``` python import numpy as np a = np.array([1, 2, 3]) b = np.array([4, 5, 6]) c = np.stack((a, b), axis=0) print(c) # 输出 [[1 2 3], [4 5 6]] a = np.array([1, 2, 3]) b = np.array([4, 5, 6]) c = np.stack((a, b), axis=1) print(c) # 输出 [[1 4], [2 5], [3 6]] ``` 4. append函数:可以将一个数组添加到另一个数组的末尾。例如: ``` python import numpy as np a = np.array([1, 2, 3]) b = np.array([[4, 5], [6, 7]]) c = np.append(b, a.reshape(1, -1), axis=0) print(c) # 输出 [[4 5], [6 7], [1 2 3]] ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值