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(shù)用于數(shù)組拼接的操作。
各種函數(shù)的特點(diǎn)和區(qū)別如下標(biāo)：
| concatenate | 提供了axis參數(shù)，用于指定拼接方向 |
|---|---|
| append | 默認(rèn)先ravel再拼接成一維數(shù)組，也可指定axis |
| stack | 提供了axis參數(shù)，用于生成新的維度 |
| hstack | 水平拼接，沿著行的方向，對(duì)列進(jìn)行拼接 |
| vstack | 垂直拼接，沿著列的方向，對(duì)行進(jìn)行拼接 |
| dstack | 沿著第三個(gè)軸（深度方向）進(jìn)行拼接 |
| column_stack | 水平拼接，沿著行的方向，對(duì)列進(jìn)行拼接 |
| row_stack | 垂直拼接，沿著列的方向，對(duì)行進(jìn)行拼接 |
| r_ | 垂直拼接，沿著列的方向，對(duì)行進(jìn)行拼接 |
| c_ | 水平拼接，沿著行的方向，對(duì)列進(jìn)行拼接 |
直接合并
將兩個(gè)一維數(shù)組合并成一個(gè)二維數(shù)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(shù)組的復(fù)制（特別主頁(yè)是復(fù)制，所以要多耗費(fèi)很多內(nèi)存） |
| values | 用來(lái)合并到上述數(shù)組復(fù)制的值。如果指定了下面的參數(shù)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(méi)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(gè)1維數(shù)組array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 11, 12, 13])>>> np.append(ar1, ar2, axis=0) # 沿第一個(gè)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(gè)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(duì)需要合并的數(shù)組用元組的形式給出 |
| axis | 待合并的軸，默認(rèn)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(gè)軸，即列方向進(jìn)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(shù)組>>> np.concatenate((ar1, ar3)) # 一般進(jìn)行concatenate操作的array的shape需要一致，當(dāng)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(zhǎng)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(zhǎng)度不一致，所以報(bào)錯(cuò) |
hstack
|
1
2
3
|
>>> np.hstack((ar1,ar2)) # 水平拼接，沿著行的方向，對(duì)列進(jìn)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(duì)行進(jìn)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(duì)于2維數(shù)組來(lái)說(shuō)，沿著第三軸（深度方向）進(jìn)行拼接, 效果相當(dāng)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(duì)列進(jìn)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(duì)行進(jìn)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(shù)據(jù)
|
1
2
3
4
5
6
7
8
9
|
>>> np.r_[ar1,ar2] # 垂直拼接，沿著列的方向，對(duì)行進(jìn)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(duì)列進(jìn)行拼接array([[ 1, 2, 3, 7, 8, 9], [ 4, 5, 6, 11, 12, 13]]) |
到此這篇關(guān)于numpy數(shù)組合并和矩陣拼接的實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)numpy數(shù)組合并和矩陣拼接內(nèi)容請(qǐng)搜索服務(wù)器之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持服務(wù)器之家！
原文鏈接：https://blog.csdn.net/weixin_45755332/article/details/112570897
