Numpy中提供了concatenate,append, stack類(包括hsatck、vstack、dstack、row_stack、column_stack),r_和c_等類和函數用于數組拼接的操作。
各種函數的特點和區別如下標：
| concatenate | 提供了axis參數，用于指定拼接方向 |
|---|---|
| append | 默認先ravel再拼接成一維數組，也可指定axis |
| stack | 提供了axis參數，用于生成新的維度 |
| 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 |
| dstack | 沿著第三個軸（深度方向）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 |
直接合并
將兩個一維數組合并成一個二維數組：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
import torchimport numpy as npimport matplotlib.pyplot as plta = np.arange(0,15,0.1)b = 1.088 * a + 0.638 + np.random.rand() * 10print(a.shape,b.shape)points = np.array([a,b])print(points.shape)(150,) (150,)(2, 150) |
append拼接
|
1
|
append(arr, values, axis=None) |
| arr | 待合并的數組的復制（特別主頁是復制，所以要多耗費很多內存） |
| values | 用來合并到上述數組復制的值。如果指定了下面的參數axis的話，則這些值必須和arr的shape一致(shape[axis]之外都相等)，否則的話，則沒有要求。 |
| axis | 要合并的軸. |
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
>>> import numpy as np>>> ar1 = np.array([[1,2,3], [4,5,6]])>>> ar2 = np.array([[7,8,9], [11,12,13]])>>> np.append(ar1, ar2) # 先ravel扁平化再拼接，所以返回值為一個1維數組array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 11, 12, 13])>>> np.append(ar1, ar2, axis=0) # 沿第一個軸拼接，這里為行的方向 array([[ 1, 2, 3], [ 4, 5, 6], [ 7, 8, 9], [11, 12, 13]])>>> np.append(ar1, ar2, axis=1) # 沿第二個軸拼接，這里為列的方向 array([[ 1, 2, 3, 7, 8, 9], [ 4, 5, 6, 11, 12, 13]]) |
concatenate拼接
|
1
|
concatenate(a_tuple, axis=0, out=None) |
| a_tuple: | 對需要合并的數組用元組的形式給出 |
| axis | 待合并的軸，默認為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
|
>>> import numpy as np>>> ar1 = np.array([[1,2,3], [4,5,6]])>>> ar2 = np.array([[7,8,9], [11,12,13]])>>> ar1array([[1, 2, 3], [4, 5, 6]])>>> ar2array([[ 7, 8, 9], [11, 12, 13]])>>> np.concatenate((ar1, ar2)) # 這里的第一軸(axis 0)是行方向array([[ 1, 2, 3], [ 4, 5, 6], [ 7, 8, 9], [11, 12, 13]])>>> np.concatenate((ar1, ar2),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]])>>> ar3 = np.array([[14,15,16]]) # shape為（1，3）的2維數組>>> np.concatenate((ar1, ar3)) # 一般進行concatenate操作的array的shape需要一致，當然如果array在拼接axis方向的size不一樣，也可以完成>>> np.concatenate((ar1, ar3)) # ar3雖然在axis0方向的長度不一致，但axis1方向上一致，所以沿axis0可以拼接array([[ 1, 2, 3], [ 4, 5, 6], [14, 15, 16]])>>> np.concatenate((ar1, ar3), axis=1) # ar3和ar1在axis0方向的長度不一致，所以報錯 |
hstack
|
1
2
3
|
>>> np.hstack((ar1,ar2)) # 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]]) |
vstack
|
1
2
3
4
5
|
>>> np.vstack((ar1,ar2)) # 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]]) |
vstack
|
1
2
3
4
5
6
7
|
>>> np.dstack((ar1,ar2)) # 對于2維數組來說，沿著第三軸（深度方向）進行拼接, 效果相當于stack(axis=-1)array([[[ 1, 7], [ 2, 8], [ 3, 9]], [[ 4, 11], [ 5, 12], [ 6, 13]]]) |
column_stack和row_stack
|
1
2
3
4
5
6
7
8
9
|
>>> np.column_stack((ar1,ar2)) # 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((ar1,ar2)) # 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.r_ 和np.c_
常用于快速生成ndarray數據
|
1
2
3
4
5
6
7
8
9
|
>>> np.r_[ar1,ar2] # 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_[ar1,ar2] # 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]]) |
到此這篇關于numpy數組合并和矩陣拼接的實現的文章就介紹到這了,更多相關numpy數組合并和矩陣拼接內容請搜索服務器之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持服務器之家！
原文鏈接：https://blog.csdn.net/weixin_45755332/article/details/112570897
