numpy中數(shù)組拼接、數(shù)組合并方法總結(append(),?concatenate,?hstack,?vstack,?column_stack,?row_stack,?np.r_,?np.c_等)
更新時間：2022年08月11日 14:25:54 作者：Old_D7
numpy庫是一個高效處理多維數(shù)組的工具,可以在進行邊寫的數(shù)組計算上進行一系列的操作,下面這篇文章主要給大家介紹了關于numpy中數(shù)組拼接、數(shù)組合并方法(append(),?concatenate,?hstack,?vstack,?column_stack,?row_stack,?np.r_,?np.c_等)的相關資料,需要的朋友可以參考下
零. 維度和軸
Python中可以用numpy中的ndim和shape來分別查看維度，以及在對應維度上的長度。直觀上可以根據(jù)符號“[ ]”的層數(shù)來判斷，有m層即為m維，最外面1層對應axis0， 依次為axis1，axis2…
c = np.array([[[1,2,3], [4,5,6]]]) c.ndim # 3 # 三維數(shù)組 c.shape # (1, 2, 3) # 在axis 0 上的長度為1，在axis 1上的長度為2, 在axis 2上的長度為3. # 或者可以理解為1層2行3列
一、append()
numpy.append(arr, values, axis=None)
- The arr can be an array-like object or a NumPy array. The values are appended to a copy of this array.
arr可以是類似數(shù)組的對象或NumPy數(shù)組。 這些值將附加到此數(shù)組的副本中。The values are array-like objects and it’s appended to the end of the “arr” elements. - 這些值是類似數(shù)組的對象，并附加到“ arr”元素的末尾。The axis specifies the axis along which values are appended. If the axis is not provided, both the arrays are flattened.
- 該軸指定沿其附加值的軸。 如果未提供軸，則將兩個陣列展平。
1. 展平兩個數(shù)組（Flattening Two Arrays）
arr1 = np.array([[1, 2], [3, 4]]) arr2 = np.array([[10, 20], [30, 40]]) # no axis provided, array elements will be flattened arr_flat = np.append(arr1, arr2) print(arr_flat) # [ 1 2 3 4 10 20 30 40]
2. 沿軸合并（Merging Along Axis）
arr_merged = np.append([arr1, arr2], axis=0) # 當 2×2 數(shù)組沿 x 軸合并時，輸出數(shù)組大小為 4×2 Merged 2x2 Arrays along Axis-0: [[ 1 2] [ 3 4] [10 20] [30 40]] arr_merged = np.append([arr1, arr2], axis=1) # 當 2×2 數(shù)組沿 y 軸合并時，輸出數(shù)組大小為 2×4 Merged 2x2 Arrays along Axis-1: [[ 1 2 10 20] [ 3 4 30 40]]
二、concatenate
concatenate(a_tuple, axis=0, out=None)
- a_tuple:對需要合并的數(shù)組用元組的形式給出
- axis: 沿指定的軸進行拼接，默認0，即第一個軸
arr1 = np.array([[1,2,3], [4,5,6]]) # shape: (2, 3)
arr2 = np.array([[7,8,9], [11,12,13]])
np.concatenate((arr1, arr2)) # axis=0
array([[ 1, 2, 3],
[ 4, 5, 6],
[ 7, 8, 9],
[11, 12, 13]])
np.concatenate((arr1, arr2),axis=1) # 這里沿第二個軸，即列方向進行拼接
array([[ 1, 2, 3, 7, 8, 9],
[ 4, 5, 6, 11, 12, 13]])
arr3 = np.array([[14,15,16]]) # shape: (1, 3)
# 一般進行 concatenate 操作的 array 的 shape 需要一致
# 但如果 array 在拼接 axis 方向的 size 不一樣，也可以完成
# arr3 雖然在 axis_0 方向的長度不一致，但 axis1 方向上一致，所以沿 axis_0 可以拼接
np.concatenate((arr1, arr3)) # √
array([[ 1, 2, 3],
[ 4, 5, 6],
[14, 15, 16]])
# arr3 和 arr1 在 axis_0 方向的長度不一致，報錯
np.concatenate((arr1, arr3), axis=1)
三、hstack, vstack
np.hstack((arr1,arr2)) # 水平拼接，沿著行的方向，對列進行拼接
array([[ 1, 2, 3, 7, 8, 9],
[ 4, 5, 6, 11, 12, 13]])
np.vstack((arr1,arr2)) # 垂直拼接，沿著列的方向，對行進行拼接
array([[ 1, 2, 3],
[ 4, 5, 6],
[ 7, 8, 9],
[11, 12, 13]])
四、column_stack, row_stack
np.column_stack((arr1,arr2)) # 水平拼接，沿著行的方向，對列進行拼接 array([[ 1, 2, 3, 7, 8, 9], [ 4, 5, 6, 11, 12, 13]]) np.row_stack((arr1,arr2)) # 垂直拼接，沿著列的方向，對行進行拼接 array([[ 1, 2, 3], [ 4, 5, 6], [ 7, 8, 9], [11, 12, 13]])
五、 np.r_, np.c_
np.r_[arr1,arr2] # 垂直拼接，沿著列的方向，對行進行拼接
array([[ 1, 2, 3],
[ 4, 5, 6],
[ 7, 8, 9],
[11, 12, 13]])
np.c_[arr1,arr2] # 水平拼接，沿著行的方向，對列進行拼接
array([[ 1, 2, 3, 7, 8, 9],
[ 4, 5, 6, 11, 12, 13]])
六、總結
| 方法 | 拼接方式 |
|---|---|
| concatenate | 提供了axis參數(shù)，用于指定拼接方向 |
| append | 默認先ravel再拼接成一維數(shù)組，也可指定axis |
| hstack | 水平拼接，沿著行的方向，對列進行拼接 |
| vstack | 垂直拼接，沿著列的方向，對行進行拼接 |
| column_stack | 水平拼接，沿著行的方向，對列進行拼接 |
| row_stack | 垂直拼接，沿著列的方向，對行進行拼接 |
| r_ | 垂直拼接，沿著列的方向，對行進行拼接 |
| c_ | 水平拼接，沿著行的方向，對列進行拼接 |
對于兩個shape一樣的二維array來說:
增加行（對行進行拼接）的方法有：
array([[ 1, 2, 3],
[ 4, 5, 6],
[ 7, 8, 9],
[11, 12, 13]])
np.concatenate((ar1, ar2),axis=0)
np.append(ar1, ar2, axis=0)
np.vstack((ar1,ar2))
np.row_stack((ar1,ar2))
np.r_[ar1,ar2]
增加列（對列進行拼接）的方法有：
array([[ 1, 2, 3, 7, 8, 9],
[ 4, 5, 6, 11, 12, 13]])
np.concatenate((ar1, ar2),axis=1)
np.append(ar1, ar2, axis=1)
np.hstack((ar1,ar2))
np.column_stack((ar1,ar2))
np.c_[ar1,ar2]
參考
https://www.numpy.org.cn/reference/routines/array-manipulation.html#%E7%BB%84%E5%90%88%E6%95%B0%E7%BB%84
http://www.dhdzp.com/article/161997.htm
https://blog.csdn.net/u011913417/article/details/106904183
總結
到此這篇關于numpy中數(shù)組拼接、數(shù)組合并方法的文章就介紹到這了,更多相關numpy數(shù)組拼接數(shù)組合并方法內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:
- Numpy中vstack()和hstack()的使用方式
- Numpy中np.vstack()?和?np.hstack()?的實現(xiàn)
- numpy中hstack vstack stack concatenate函數(shù)示例詳解
- numpy中np.dstack()、np.hstack()、np.vstack()用法
- numpy數(shù)組做圖片拼接的實現(xiàn)（concatenate、vstack、hstack）
- Numpy中stack(),hstack(),vstack()函數(shù)用法介紹及實例
- Python numpy實現(xiàn)數(shù)組合并實例(vstack,hstack)
- NumPy的hstack函數(shù)詳細教程
相關文章
這篇文章主要為大家詳細介紹了python opencv實現(xiàn)簡易畫圖板，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2020-08-08
這篇文章主要介紹了NumPy 高級索引的相關資料，文中講解非常細致，代碼幫助大家更好的理解和學習，感興趣的朋友可以了解下2020-07-07
這篇文章主要為大家想詳細介紹了Python如何利用pynput實現(xiàn)劃詞復制功能，文中的示例代碼講解詳細，感興趣的小伙伴可以跟隨小編一起學習一下2022-05-05
這篇文章主要介紹了PyCharm中如何切換Python版本問題,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2023-08-08
這篇文章主要介紹了Python字符串逐字符或逐詞反轉方法,本文對逐字符或逐詞分別給出兩種方法,需要的朋友可以參考下2015-05-05
這篇文章主要介紹了Python sorted對list和dict排序，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2020-06-06
今天小編就為大家分享一篇關于Tensorflow使用CPU報錯的解決方式，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-02-02
今天小編就為大家分享一篇在python下讀取并展示raw格式的圖片實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-01-01
Python實戰(zhàn)之使用PyQt5構建HTTP接口測試工具
在現(xiàn)代軟件開發(fā)中,測試接口的有效性與響應情況變得尤為重要,本文將指導構建一個簡單的HTTP接口測試工具,使用Python的PyQt5庫創(chuàng)建用戶界面,并通過requests庫發(fā)送 HTTP 請求,需要的可以參考下2024-11-11
python中matplotlib實現(xiàn)隨鼠標滑動自動標注代碼
這篇文章主要介紹了python中matplotlib實現(xiàn)隨鼠標滑動自動標注代碼，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-04-04