python concatenate函数 字符串的拼接_numpy concatenate数组拼接方法示例介绍

数组拼接方法一

思路：首先将数组转成列表，然后利用列表的拼接函数append()、extend()等进行拼接处理，最后将列表转成数组。

示例1：

>>> import numpy as np

>>> a=np.array([1,2,5])

>>> b=np.array([10,12,15])

>>> a_list=list(a)

>>> b_list=list(b)

>>> a_list.extend(b_list)

>>> a_list

[1, 2, 5, 10, 12, 15]

>>> a=np.array(a_list)

>>> a

array([ 1, 2, 5, 10, 12, 15])

该方法只适用于简单的一维数组拼接，由于转换过程很耗时间，对于大量数据的拼接一般不建议使用。

数组拼接方法二

思路：numpy提供了numpy.append(arr, values, axis=None)函数。对于参数规定，要么一个数组和一个数值；要么两个数组，不能三个及以上数组直接append拼接。

示例2：

>>> a=np.arange(5)

>>> a

array([0, 1, 2, 3, 4])

>>> np.append(a,10)

array([ 0, 1, 2, 3, 4, 10])

>>> a

array([0, 1, 2, 3, 4])

>>> b=np.array([11,22,33])

>>> b

array([11, 22, 33])

>>> np.append(a,b)

array([ 0, 1, 2, 3, 4, 11, 22, 33])

>>> a

array([[1, 2, 3],

[4, 5, 6]])

>>> b=np.array([[7,8,9],[10,11,12]])

>>> b

array([[ 7, 8, 9],

[10, 11, 12]])

>>> np.append(a,b)

array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])

numpy的数组没有动态改变大小的功能，numpy.append()函数每次都会重新分配整个数组，并把原来的数组复制到新数组中。

数组拼接方法三

思路：numpy提供了numpy.concatenate((a1,a2,...), axis=0)函数。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

示例3：

>>> 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]])

对numpy.append()和numpy.concatenate()两个函数的运行时间进行比较

示例4：

>>> from time import clock as now

>>> a=np.arange(9999)

>>> b=np.arange(9999)

>>> time1=now()

>>> c=np.append(a,b)

>>> time2=now()

>>> print time2-time1

28.2316728446

>>> a=np.arange(9999)

>>> b=np.arange(9999)

>>> time1=now()

>>> c=np.concatenate((a,b),axis=0)

>>> time2=now()

>>> print time2-time1

20.3934997107

可知，concatenate()效率更高，适合大规模的数据拼接

PS：更多示例

import numpy as np

a = np.array([[1, 2], [3, 4]])

a.shape

Out[3]: (2, 2)

b = np.array([[5, 6]])

b.shape

Out[5]: (1, 2)

np.concatenate((a, b))

Out[6]:

array([[1, 2],

[3, 4],

[5, 6]])

c= np.concatenate((a, b))

c.shape

Out[8]: (3, 2)

d = np.concatenate((a, b), axis=0)

d.shape

Out[10]: (3, 2)

e = np.concatenate((a, b), axis=1)

Traceback (most recent call last):

File "", line 1, in

e = np.concatenate((a, b), axis=1)

ValueError: all the input array dimensions except for the concatenation axis must match exactly

e = np.concatenate((a, b.T), axis=1)

e.shape

Out[13]: (2, 3)

import numpy as np

a = np.array([[1, 2], [3, 4]])

a.shape

Out[3]: (2, 2)

b = np.array([[5, 6]])

b.shape

Out[5]: (1, 2)

np.concatenate((a, b))

Out[6]:

array([[1, 2],

[3, 4],

[5, 6]])

c= np.concatenate((a, b))

c.shape

Out[8]: (3, 2)

d = np.concatenate((a, b), axis=0)

d.shape

Out[10]: (3, 2)

e = np.concatenate((a, b), axis=1)

Traceback (most recent call last):

File "", line 1, in

e = np.concatenate((a, b), axis=1)

ValueError: all the input array dimensions except for the concatenation axis must match exactly

e = np.concatenate((a, b.T), axis=1)

e.shape

Out[13]: (2, 3)

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。