numpy(七)——数组拼接

numpy(七)——数组拼接

import numpy as np

• 用concatenate方法进行拼接

np.concatenate

concatenate((a1, a2, …), axis=0)

Join a sequence of arrays along an existing axis.

arr_x = np.array([1,2,3,4,5])
arr_y = np.array([2,3,4,5,6])
arr_xy = np.concatenate([arr_x,arr_y])
arr_xy

array([1, 2, 3, 4, 5, 2, 3, 4, 5, 6])

concatenate方法具有axis参数，但是仅适用于2维及以上的数组拼接。对于一维数组的拼接，那么结果仍旧是一维数组

arr_xy_axis1 = np.concatenate([arr_x,arr_y],axis=1)

---------------------------------------------------------------------------

AxisError                                 Traceback (most recent call last)

<ipython-input-6-a7cba97e3a46> in <module>
----> 1 arr_xy_axis1 = np.concatenate([arr_x,arr_y],axis=1)


AxisError: axis 1 is out of bounds for array of dimension 1

arr_x_2d = np.arange(15).reshape(3,5)
arr_y_2d = np.arange(15,30).reshape(3,5)
print(arr_x_2d)
print("--"*10)
print(arr_y_2d)

[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]]
--------------------
[[15 16 17 18 19]
 [20 21 22 23 24]
 [25 26 27 28 29]]

对于2维数组，concatenate方法默认的拼接方向是沿着第0条轴的方向，也就是axis=0。

arr_xy_2d = np.concatenate([arr_x_2d,arr_y_2d])
arr_xy_2d

array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14],
       [15, 16, 17, 18, 19],
       [20, 21, 22, 23, 24],
       [25, 26, 27, 28, 29]])

arr_xy_2d_axis1 = np.concatenate([arr_x_2d,arr_y_2d],axis=1)
arr_xy_2d_axis1

array([[ 0,  1,  2,  3,  4, 15, 16, 17, 18, 19],
       [ 5,  6,  7,  8,  9, 20, 21, 22, 23, 24],
       [10, 11, 12, 13, 14, 25, 26, 27, 28, 29]])

那么，拼接后的数组和原数组之间是什么关系呢？

arr_xy[0] = 999
print(arr_xy)
print("--"*10)
print(arr_x)

[999   2   3   4   5   2   3   4   5   6]
--------------------
[1 2 3 4 5]

• 可以发现，用concatenate拼接后的数组是独立于原数组的副本，而非视图

• 用vstack和hstack方法进行拼接

vstack方法可以免去concatenate方法无法在垂直方向上进行数据拼接的尴尬境地。使用该方法，无论什么数组，都是按照垂直方向进行拼接。

arr_v = np.vstack([arr_x,arr_y])
arr_v

array([[1, 2, 3, 4, 5],
       [2, 3, 4, 5, 6]])

arr_v_2d = np.vstack([arr_x_2d,arr_y_2d])
arr_v_2d

array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14],
       [15, 16, 17, 18, 19],
       [20, 21, 22, 23, 24],
       [25, 26, 27, 28, 29]])

hstack的方法和vstack用法完全一致，不过hstack是在水平方向上进行拼接

arr_h = np.hstack([arr_x,arr_y])
arr_h

array([1, 2, 3, 4, 5, 2, 3, 4, 5, 6])

arr_h_2d = np.hstack([arr_x_2d,arr_y_2d])
arr_h_2d

array([[ 0,  1,  2,  3,  4, 15, 16, 17, 18, 19],
       [ 5,  6,  7,  8,  9, 20, 21, 22, 23, 24],
       [10, 11, 12, 13, 14, 25, 26, 27, 28, 29]])

至于拼接后的结果，返回的数组也是关于新数组的副本而非视图

arr_v[0,0] = 999
print(arr_v)
print("--"*10)
print(arr_x)

[[999   2   3   4   5]
 [  2   3   4   5   6]]
--------------------
[1 2 3 4 5]

• 用stack方法进行堆叠

arr_stack = np.stack([arr_x,arr_y],axis=0)
arr_stack

array([[1, 2, 3, 4, 5],
       [2, 3, 4, 5, 6]])

arr_stack_axis1 = np.stack([arr_x,arr_y],axis=1)
arr_stack_axis1

array([[1, 2],
       [2, 3],
       [3, 4],
       [4, 5],
       [5, 6]])

arr_stack_2d = np.stack([arr_x_2d,arr_y_2d])
arr_stack_2d

array([[[ 0,  1,  2,  3,  4],
        [ 5,  6,  7,  8,  9],
        [10, 11, 12, 13, 14]],

       [[15, 16, 17, 18, 19],
        [20, 21, 22, 23, 24],
        [25, 26, 27, 28, 29]]])

arr_stack_2d_axis1 = np.stack([arr_x_2d,arr_y_2d],axis=1)
arr_stack_2d_axis1

array([[[ 0,  1,  2,  3,  4],
        [15, 16, 17, 18, 19]],

       [[ 5,  6,  7,  8,  9],
        [20, 21, 22, 23, 24]],

       [[10, 11, 12, 13, 14],
        [25, 26, 27, 28, 29]]])

• 可见，stack方法和vsatck,hsatck虽一字之差，可以意义和作用却大相径庭：

  • 前三种拼接方法，拼接后的结果维度保持不变，两个一维的拼接，返回结果还是一维（当然，用vsatck拼接一维数组除外）。
  • stack并非进行数组的拼接，而是进行数组的堆叠，因此，堆叠后的结果将造成返回数组的维度+1。

• 在返回结果上，则仍然是独立的副本

arr_stack[0,0] = 999
print(arr_x)
print("--"*10)
print(arr_stack)

[1 2 3 4 5]
--------------------
[[999   2   3   4   5]
 [  2   3   4   5   6]]