快捷導(dǎo)航

numpy數(shù)組合并和矩陣拼接的實(shí)現(xiàn)

更新時間：2021年03月22日 10:53:56 作者：小白不白嘿嘿嘿

這篇文章主要介紹了numpy數(shù)組合并和矩陣拼接的實(shí)現(xiàn),文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

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，對列進(jìn)行拼接
vstack	垂直拼接，沿著列的方向，對行進(jìn)行拼接
dstack	沿著第三個軸（深度方向）進(jìn)行拼接
column_stack	水平拼接，沿著行的方向，對列進(jìn)行拼接
row_stack	垂直拼接，沿著列的方向，對行進(jìn)行拼接
r_	垂直拼接，沿著列的方向，對行進(jìn)行拼接
c_	水平拼接，沿著行的方向，對列進(jìn)行拼接

直接合并

將兩個一維數(shù)組合并成一個二維數(shù)組：

import torch
import numpy as np
import matplotlib.pyplot as plt
a = np.arange(0,15,0.1)
b = 1.088 * a + 0.638 + np.random.rand() * 10

print(a.shape,b.shape)
points = np.array([a,b])
print(points.shape)


(150,) (150,)
(2, 150)

append拼接

append(arr, values, axis=None)

arr	待合并的數(shù)組的復(fù)制（特別主頁是復(fù)制，所以要多耗費(fèi)很多內(nèi)存）
values	用來合并到上述數(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，則沒有要求。
axis	要合并的軸.

>>> 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(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

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	待合并的軸，默認(rèn)為0

 >>> import numpy as np
>>> ar1 = np.array([[1,2,3], [4,5,6]])
>>> ar2 = np.array([[7,8,9], [11,12,13]])
>>> ar1
array([[1, 2, 3],
  [4, 5, 6]])
>>> ar2
array([[ 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(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

>>> np.hstack((ar1,ar2)) # 水平拼接，沿著行的方向，對列進(jìn)行拼接
array([[ 1, 2, 3, 7, 8, 9],
  [ 4, 5, 6, 11, 12, 13]])

vstack

>>> np.vstack((ar1,ar2)) # 垂直拼接，沿著列的方向，對行進(jìn)行拼接
array([[ 1, 2, 3],
  [ 4, 5, 6],
  [ 7, 8, 9],
  [11, 12, 13]])

vstack

>>> np.dstack((ar1,ar2)) # 對于2維數(shù)組來說，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

>>> np.column_stack((ar1,ar2)) # 水平拼接，沿著行的方向，對列進(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)

>>> np.r_[ar1,ar2]  # 垂直拼接，沿著列的方向，對行進(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)容請搜索腳本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腳本之家！

您可能感興趣的文章: