numpy中数组拼接、数组合并方法总结(append(), concatenate, hstack, vstack, column_stack, row_stack, np.r_, np.c_等)

零. 维度和轴

一、append()

二、concatenate

三、hstack, vstack

四、column_stack, row_stack

五、 np.r_, np.c_

六、总结

参考

总结

零. 维度和轴

Python中可以用numpy中的ndim和shape来分别查看维度，以及在对应维度上的长度。直观上可以根据符号“[ ]”的层数来判断，有m层即为m维，最外面1层对应axis0，依次为axis1，axis2…

c = np.array([[[1,2,3], [4,5,6]]])
c.ndim   # 3
# 三维数组
c.shape  # (1, 2, 3)
# 在axis 0 上的长度为1，在axis 1上的长度为2, 在axis 2上的长度为3.
# 或者可以理解为1层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可以是类似数组的对象或NumPy数组。这些值将附加到此数组的副本中。The values are array-like objects and it’s appended to the end of the “arr” elements.

这些值是类似数组的对象，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.

该轴指定沿其附加值的轴。如果未提供轴，则将两个阵列展平。

1. 展平两个数组（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. 沿轴合并（Merging Along Axis）

arr_merged = np.append([arr1, arr2], axis=0)
# 当 2×2 数组沿 x 轴合并时，输出数组大小为 4×2 
Merged 2x2 Arrays along Axis-0:
[[ 1  2]
 [ 3  4]
 [10 20]
 [30 40]]
arr_merged = np.append([arr1, arr2], axis=1)
# 当 2×2 数组沿 y 轴合并时，输出数组大小为 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:对需要合并的数组用元组的形式给出

axis: 沿指定的轴进行拼接，默认0，即第一个轴

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)  # 这里沿第二个轴，即列方向进行拼接
array([[ 1, 2, 3, 7, 8, 9],
    [ 4, 5, 6, 11, 12, 13]])
arr3 = np.array([[14,15,16]]) # shape: (1, 3)
# 一般进行 concatenate 操作的 array 的 shape 需要一致
# 但如果 array 在拼接 axis 方向的 size 不一样，也可以完成
# arr3 虽然在 axis_0 方向的长度不一致，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 方向的长度不一致，报错
np.concatenate((arr1, arr3), axis=1)

三、hstack, vstack

np.hstack((arr1,arr2))  # 水平拼接，沿着行的方向，对列进行拼接
array([[ 1, 2, 3, 7, 8, 9],
    [ 4, 5, 6, 11, 12, 13]])
np.vstack((arr1,arr2))  # 垂直拼接，沿着列的方向，对行进行拼接
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，沿着行的方向，对列进行拼接
array([[ 1, 2, 3, 7, 8, 9],
   [ 4, 5, 6, 11, 12, 13]])
np.row_stack((arr1,arr2))  # 垂直拼接，沿着列的方向，对行进行拼接
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，沿着列的方向，对行进行拼接
array([[ 1, 2, 3],
    [ 4, 5, 6],
    [ 7, 8, 9],
    [11, 12, 13]])
np.c_[arr1,arr2]  # 水平拼接，沿着行的方向，对列进行拼接
array([[ 1, 2, 3, 7, 8, 9],
    [ 4, 5, 6, 11, 12, 13]])

六、总结 方法拼接方式

concatenate	提供了axis参数，用于指定拼接方向
append	默认先ravel再拼接成一维数组，也可指定axis
hstack	水平拼接，沿着行的方向，对列进行拼接
vstack	垂直拼接，沿着列的方向，对行进行拼接
column_stack	水平拼接，沿着行的方向，对列进行拼接
row_stack	垂直拼接，沿着列的方向，对行进行拼接
r_	垂直拼接，沿着列的方向，对行进行拼接
c_	水平拼接，沿着行的方向，对列进行拼接

对于两个shape一样的二维array来说:

增加行（对行进行拼接）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（对列进行拼接）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]

参考

https://www.numpy.org.cn/reference/routines/array-manipulation.html#%E7%BB%84%E5%90%88%E6%95%B0%E7%BB%84
https://www.jb51.net/article/161997.htm
https://blog.csdn.net/u011913417/article/details/106904183

总结

到此这篇关于numpy中数组拼接、数组合并方法的文章就介绍到这了,更多相关numpy数组拼接数组合并方法内容请搜索易知道(ezd.cc)以前的文章或继续浏览下面的相关文章希望大家以后多多支持易知道(ezd.cc)！