[951]numpy.concatenate()函数

numpy.concatenate() 官方文档

numpy.concatenate((a1, a2, …), axis=0, out=None)

将具有相同结构的array序列结合成一个array

axis是拼接方向，0为横轴，1为纵轴。

axis=0，拼接方向为横轴，需要纵轴结构相同，拼接方向可以理解为拼接完成后数量发生变化的方向。

>>> 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]])

>>> import numpy as np
>>> a = np.array([[1, 2], [3, 4]])
>>> b = np.array([[5, 6]])
>>> c = np.concatenate((a, b), axis=0) #axis=0表示沿着数组垂直方向进行拼接
>>> print(c)
[[1 2]
 [3 4]
 [5 6]]
>>> d = np.concatenate((a, b.T), axis=1) #axis=1表示沿着数组水平方向进行拼接
>>> print(d)
[[1 2 5]
 [3 4 6]]

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

示例：

>>> 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

参考：https://www.cnblogs.com/shueixue/p/10953699.html

Numpy中stack()，hstack()，vstack()函数详解：https://blog.csdn.net/csdn15698845876/article/details/73380803