| 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(gè)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 |
將兩個(gè)一維數(shù)組合并成一個(gè)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(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(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(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(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(bào)錯(cuò)
>>> 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]])
>>> 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]])
>>> 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]]])
>>> 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]])
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！
標(biāo)簽：內(nèi)江 渭南 亳州 廊坊 黔東 拉薩 綿陽 興安盟
巨人網(wǎng)絡(luò)通訊聲明：本文標(biāo)題《numpy數(shù)組合并和矩陣拼接的實(shí)現(xiàn)》，本文關(guān)鍵詞 numpy,數(shù)組,合并,和,矩陣,；如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題，煩請?zhí)峁┫嚓P(guān)信息告之我們，我們將及時(shí)溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò)，涉及言論、版權(quán)與本站無關(guān)。
