1、concatenate连接NumPy数组
连接意味着将两个或多个数组的内容放在单个数组中。
在SQL中,我们基于键联接表,而在NumPy中,我们按轴联接数组。
我们传递了一系列要与轴一起加入concatenate()
函数的数组。 如果未显式传递轴,则将其视为0。
例如:
连接两个数组
import numpy as np arr1 = np.array([1, 2, 3]) arr2 = np.array([4, 5, 6]) arr = np.concatenate((arr1, arr2)) print(arr)
例如:
沿行(axis=1)联接两个二维数组:
import numpy as np arr1 = np.array([[1, 2], [3, 4]]) arr2 = np.array([[5, 6], [7, 8]]) arr = np.concatenate((arr1, arr2), axis=1) print(arr)
2、使用stack()函数连接数组
stack()与concatenate()相同,唯一的不同是stack()是沿着新轴完成的。
我们可以沿着第二个轴连接两个一维数组,这将导致它们一个放在另一个之上。
我们传递一个要连接到stack()
方法的数组序列和axis。如果axis没有显式传递,则将其视为0。
例如:
import numpy as np arr1 = np.array([1, 2, 3]) arr2 = np.array([4, 5, 6]) arr = np.stack((arr1, arr2), axis=1) print(arr)
3、使用hstack()通过行
NumPy提供了一个辅助函数:hstack()
沿行堆叠。
例如:
import numpy as np arr1 = np.array([1, 2, 3]) arr2 = np.array([4, 5, 6]) arr = np.hstack((arr1, arr2)) print(arr)
4、使用vstack()通过列
NumPy提供了一个辅助函数:vstack()
沿列堆叠。
例如:
import numpy as np arr1 = np.array([1, 2, 3]) arr2 = np.array([4, 5, 6]) arr = np.vstack((arr1, arr2)) print(arr)
5、使用dstack()通过Height (depth)
NumPy提供了一个辅助函数:dstack()
沿高度进行堆叠,该高度与深度相同。
例如:
import numpy as np arr1 = np.array([1, 2, 3]) arr2 = np.array([4, 5, 6]) arr = np.dstack((arr1, arr2)) print(arr)