NumPy 中数组拼接、合并详解

这篇具有很好参考价值的文章主要介绍了NumPy 中数组拼接、合并详解。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

NumPy 中数组拼接、合并详解,Numpy 使用手册,numpy,python,开发语言

1、np.append()

1.1、语法

将值添加到数组的末端,返回一个新的数组,而原数组不变。

numpy.append(arr, values, axis=None)
参数 描述
arr : 类数组 输入的数组
values : 类数组 向数组 arr 添加的元素,需要与 arr 维度相同
axis : 整型 添加操作的方向轴,axis 取 0 表示沿竖直方向操作,axis 取 1 表示沿水平方向操作,若未提供 axis 值,在添加操作之前输入数组会被展开为一维数组

1.2、示例

arr = np.array([[1,2,3,4],[5,6,7,8]])
print('原数组:', arr)
>>> 原数组:[[ 1 2 3 4 ]
             [ 5 6 7 8 ]]

arr1 = np.append(arr,[[9,10],[11,12]])
print('直接添加元素:', arr1)
>>> 直接添加元素: [ 1  2  3  4  5  6  7  8  9  10  11  12 ]

arr2 = np.append(arr,[[9,10,11,12],[11,11,11,11]], axis=0)
print('沿轴 0 添加元素:', arr2)
>>> 沿轴 0 添加元素: [[ 1  2  3  4 ]
                      [ 5  6  7  8 ]
                      [ 9  10 11 12]
                      [ 11 11 11 11]]

arr3 = np.append(arr,[[9,10],[11,12]], axis=1)
print('沿轴 1 添加元素:', arr3)
>>> 沿轴 1 添加元素: [[ 1  2  3  4  9  10]
                      [ 5  6  7  8  11  12]]

2、np.concatenate()

2.1、语法

拼接一系列数组。文章来源地址https://www.toymoban.com/news/detail-806234.html

numpy.concatenate((a1, a2, ...), axis=0, out=None, dtype=None, casting="same_kind")
参数 描述
a1, a2, … : 数组序列 这些数组必须有相同的形状
axis : 整型 拼接时的坐标轴,其默认值为 0,若为 None,则数组在使用前会被展开。
out : (可选参数)暂时不做讨论
dtype : (可选参数)暂时不做讨论
casting : (可选参数)暂时不做讨论

2.2、示例

示例1:一维数组


x = np.array([1, 2, 3])
print("x:", x)
>>> x: [1 2 3]

y = np.array([4, 5, 6])
print("y:", y)
>>> y: [4 5 6]

z = np.concatenate((x, y))
print("z:", z)
>>> z: [1 2 3 4 5 6]

# --------------------------------------------------------

x1 = np.array([[1], [2], [3]])
print("x1:", x1)
>>> x1: [[1]
         [2]
         [3]]

y1 = np.array([[4], [5], [6]])
print("y1:", y1)
>>> y1: [[4]
         [5]
         [6]]

z1 = np.concatenate((x1, y1))
print("z1:", z1)
>>> z1: [[1]
         [2]
         [3]
         [4]
         [5]
         [6]]

示例2:二维数组

x = np.array([[1, 2], [3, 4]])
print("x:", x)
>>> x: [[1 2]
        [3 4]]

y = np.array([[5, 6], [7, 8]])
print("y:", y)
>>> y: [[5 6]
        [7 8]]

z = np.concatenate((x, y), axis=0)
print("z:", z)
>>> z: [[1 2]
        [3 4]
        [5 6]
        [7 8]]

z1 = np.concatenate((x, y), axis=1)
print("z1:", z1)
>>> z1: [[1 2 5 6]
         [3 4 7 8]]

到了这里,关于NumPy 中数组拼接、合并详解的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网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TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【深度学习】 NumPy详解(三):数组数学(元素、数组、矩阵级别的各种运算)

    目录 一、前言 二、实验环境 三、NumPy 0、多维数组对象(ndarray) 多维数组的属性 1、创建数组 2、数组操作 3、数组数学 1. 元素级别 a. 直接运算 b. 加法:np.add()函数 c. 减法:np.subtract()函数 d. 乘法:np.multiply()函数 e. 除法:np.divide()函数 f. 幂运算:np.power()函数 g. 取余与求商

    2024年02月03日
    浏览(36)
  • numpy拼接矩阵

    使用numpy的  concatenate 拼接矩阵,文档里面这样解释: (a1, a2, ...):连接的数组必须有一样的维度; axis:拼接的方向; out:预设输出矩阵的大小 ………… 首先给定两个矩阵: ①:在第一个矩阵后面加上第二个矩阵(加一列): 输出为: ②:以及在矩阵下面加一个全零行:

    2024年02月14日
    浏览(48)
  • Numpy矩阵拼接

    numpy矩阵拼接常用方法: np.append(arr,values,axis) np.concatenate(arrays,axis,out=None) np.stack(arrays,axis,out=None) np.hstack(tup) np.vstack(tup) 支持数组和数组或数组和数的拼接, 不支持三个及以上数组的拼接 参数: arr :需要被添加values的数组 values :添加到数组arr中的值 axis :可选参数,默认

    2024年02月05日
    浏览(37)
  • Python Numpy 关于 linspace()函数 使用详解(全)

    用plt画图的时候,偶尔会看到这个函数的出现,索性直接深入源码实战进行复现 主要功能 :在线性区域中生成等间距的序列,原先在Numpy中可以用 numpy.arange() ,但对于浮点数会有精度丢失,因此 linspace() 对于浮点数比较友好。适当的参数,两者都可选择。 具体源码: numpy

    2024年02月05日
    浏览(46)
  • Python中数据处理(npz、npy、csv文件;元组、列表、numpy数组的使用)

    目录 1.npz文件 2.npy文件 3.csv文件 4.列表、元组、numpy矩阵 ①列表 ②元组(不可变列表) ③Numpy数组 ③Numpy矩阵 1.npz文件 npz是python的压缩文件 ①读取文件 ② NpzFile 对象有个属性 files 可以通过它查看该压缩文件的所有文件名,通过 dataset[\\\'文件名\\\'] 来获取文件内容 ③保存为.npz文件

    2024年02月03日
    浏览(44)
  • numpy中数组的操作

    目录 一:数组的属性 二:翻转数组 三:数组的计算 一:数组的属性 NumPy 数组(通常称为 ndarray)有许多有用的属性,这些属性可以帮助你了解数组的各个方面。以下是一些主要的属性: dtype:这是数组的数据类型,如 int32, float64, complex128 等。你可以使用它来查看或修改数

    2024年01月20日
    浏览(31)
  • 一文弄懂numpy数组

    前言 学习数据分析,必绕不开numpy和pandas这两个库,numpy的ndarray数据结构和矩阵数据非常类似,最近搞科研的时候总是会用到,之前学的都忘记完了,所以,这次打算把numpy库的基本用法记录在一篇文章里,以便后面复习和使用。 ndarray多维数组创建 不要管复杂的概念,我们

    2024年02月05日
    浏览(57)
  • 【numpy基础】--数组简介

    NumPy (Numerical Python)是一个 Python 库,主要用于高效地处理多维数组和矩阵计算。它是科学计算领域中使用最广泛的一个库。 在 NumPy 中, 数组 是最核心的概念,用于存储和操作数据。 NumPy 数组是一种多维数组对象,可以存储相同类型的元素,它支持高效的数学运算和线性

    2024年02月09日
    浏览(55)
  • NumPy数组基本用法

    Numpy是Python科学计算库,用于快速处理任意维度的数组。 NumPy提供一个N维数组类型ndarray,它描述了相同类型的“items”的集合。 numpy.ndarray支持向量化运算。 NumPy使用c语言写的,底部解除了GIL,其对数组的操作速度不在受python解释器限制。 python一个列表中可以存储多种数据类

    2024年02月09日
    浏览(44)
  • 【numpy基础】--数组过滤

    在 numpy 中,数组可以看作是一系列数值的有序集合,可以通过下标访问其中的元素。 处理数组的过程中,经常需要用到数组过滤功能。 过滤功能可以在处理数据时非常有用,因为它可以使数据更加干净和可读性更强。 例如,在进行数据分析时,通常需要去除异常值,过滤掉

    2024年02月11日
    浏览(38)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包