这篇教程numpy数组合并和矩阵拼接的实现写得很实用，希望能帮到您。
Numpy中提供了concatenate,append, stack类(包括hsatck、vstack、dstack、row_stack、column_stack),r_和c_等类和函数用于数组拼接的操作。
各种函数的特点和区别如下标： | 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 | | stack | 提供了axis参数，用于生成新的维度 | | 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 | | dstack | 沿着第三个轴（深度方向）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 | 直接合并
将两个一维数组合并成一个二维数组： 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
append(arr, values, axis=None) | arr | 待合并的数组的复制（特别主页是复制，所以要多耗费很多内存） | | values | 用来合并到上述数组复制的值。如果指定了下面的参数axis的话，则这些值必须和arr的shape一致(shape[axis]之外都相等)，否则的话，则没有要求。 | | axis | 要合并的轴. | >>> 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，所以返回值为一个1维数组array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 11, 12, 13])>>> np.append(ar1, ar2, axis=0) # 沿第一个轴拼接，这里为行的方向 array([[ 1, 2, 3], [ 4, 5, 6], [ 7, 8, 9], [11, 12, 13]])>>> np.append(ar1, ar2, axis=1) # 沿第二个轴拼接，这里为列的方向 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: | 对需要合并的数组用元组的形式给出 | | axis | 待合并的轴，默认为0 | >>> 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)) # 这里的第一轴(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) # 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]])>>> ar3 = np.array([[14,15,16]]) # shape为（1，3）的2维数组>>> np.concatenate((ar1, ar3)) # 一般进行concatenate操作的array的shape需要一致，当然如果array在拼接axis方向的size不一样，也可以完成>>> np.concatenate((ar1, ar3)) # ar3虽然在axis0方向的长度不一致，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方向的长度不一致，所以报错 hstack
>>> np.hstack((ar1,ar2)) # 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]]) vstack
>>> np.vstack((ar1,ar2)) # 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]]) vstack
>>> np.dstack((ar1,ar2)) # 对于2维数组来说，沿着第三轴（深度方向）进行拼接, 效果相当于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((ar1,ar2)) # 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.r_ 和np.c_
常用于快速生成ndarray数据 >>> np.r_[ar1,ar2] # 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_[ar1,ar2] # 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]]) 到此这篇关于numpy数组合并和矩阵拼接的实现的文章就介绍到这了,更多相关numpy数组合并和矩阵拼接内容请搜索51zixue.net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51zixue.net！
numpy和tensorflow中的各种乘法(点乘和矩阵乘)
Numpy实现矩阵运算及线性代数应用 |
