numpy学习（一）数据拼接

1.np.r_及np.c

使用方法：
np.r_[a, b]，np.c_[a, b]，其中a，b为numpy.ndarray类型
介绍：
np.r_将矩阵维度为0的拼接，np.c_将矩阵维度为1的拼接（自己的理解）
代码：

a = np.array([[1, 2, 3], [7, 8, 9]])
b = np.array([[4, 5, 6], [1, 2, 3]])
c = np.c_[a, b]
print(a)
print(b)
print(c)
d = np.array([1, 2, 3])
e = np.array([4, 5, 6])
f = np.c_[d, e]
print(d)
print(e)
print(f)
g = np.r_[a, b]
h = np.r_[d, e]
print(g)
print(h)

结果：

[[1 2 3]
 [7 8 9]]
[[4 5 6]
 [1 2 3]]
[[1 2 3 4 5 6]
 [7 8 9 1 2 3]]
[1 2 3]
[4 5 6]
[[1 4]
 [2 5]
 [3 6]]
[[1 2 3]
 [7 8 9]
 [4 5 6]
 [1 2 3]]
[1 2 3 4 5 6]

2.np.concatenate

使用方法：
np.concatenate((a, b), axis)，其中a，b为numpy.ndarray类型，axis可选0，1，-1，默认为0
介绍：
axis=0将矩阵维度为0的拼接，axis=1/-1将矩阵维度为1的拼接，一维的数据使用axis=1会报错
代码：

import numpy as np

a = np.array([1, 2, 3])
b = np.array([3, 4, 5])
c1 = np.concatenate((a, b), axis=-1)
c2 = np.concatenate((a, b), axis=0)
# c3 = np.concatenate((a, b), axis=1)#报错
print(c1)
print(c2)

e = np.array([[1, 2, 3], [4, 5, 6]])
f = np.array([[3, 4, 5], [6, 7, 8]])
g = np.concatenate((e, f), axis=0)
h = np.concatenate((e, f), axis=1)
i = np.concatenate((e, f))
j = np.concatenate((e, f), axis=-1)
print(g)
print(h)
print(i)
print(j)

结果：

[1 2 3 3 4 5]
[1 2 3 3 4 5]
[[1 2 3]
 [4 5 6]
 [3 4 5]
 [6 7 8]]
[[1 2 3 3 4 5]
 [4 5 6 6 7 8]]
[[1 2 3]
 [4 5 6]
 [3 4 5]
 [6 7 8]]
[[1 2 3 3 4 5]
 [4 5 6 6 7 8]]

3.torch.cat

使用方法：
torch.cat((a, b), dim)，其中a，b为tensor类型，dim可选0，1
介绍：
dim=0将矩阵维度为0的拼接，dim=1将矩阵维度为1的拼接
代码：（接上）

import torch
k = torch.cat((torch.from_numpy(e), torch.from_numpy(f)), dim=0)#
print(k)
o = torch.cat((torch.from_numpy(e), torch.from_numpy(f)), dim=1)#
print(o)

结果：

tensor([[1, 2, 3],
        [4, 5, 6],
        [3, 4, 5],
        [6, 7, 8]], dtype=torch.int32)
tensor([[1, 2, 3, 3, 4, 5],
        [4, 5, 6, 6, 7, 8]], dtype=torch.int32)