Question

我使用numpy和scipy并且有一些函数非常关心数组的维度我有一个函数名称CovexHull（point），它接受点作为二维数组。

hull = ConvexHull（points）

In [1]: points.ndim
Out[1]: 2
In [2]: points.shape
Out[2]: (10, 2)
In [3]: points
Out[3]: 
array([[ 0. ,  0. ],
       [ 1. ,  0.8],
       [ 0.9,  0.8],
       [ 0.9,  0.7],
       [ 0.9,  0.6],
       [ 0.8,  0.5],
       [ 0.8,  0.5],
       [ 0.7,  0.5],
       [ 0.1,  0. ],
       [ 0. ,  0. ]])

正如你在上面所看到的那样，点数是ndim 2的numpy。

现在我有2个不同的numpy数组（tp和fp）就像这样（例如fp）

In [4]: fp.ndim
Out[4]: 1
In [5]: fp.shape
Out[5]: (10,)
In [6]: fp
Out[6]: 
array([ 0. ,  0.1,  0.2,  0.3,  0.4,  0.4,
        0.5, 0.6,  0.9,  1. ])

我的问题是如何有效地创建一个二维numpy数组，如tp和fp的点

Answer 1

如果您希望将两个10个元素的1-d数组合并为2-d数组np.vstack((tp, fp)).T，则可以执行此操作。 np.vstack((tp, fp))将返回一个形状数组（2,10），T属性返回形状为（10,2）的转置数组（即两个1-d数组形成列而不是行）。

>>> tp = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> tp.ndim
1
>>> tp.shape
(10,)

>>> fp = np.array([10, 11, 12, 13, 14, 15, 16, 17, 18, 19])
>>> fp.ndim
1
>>> fp.shape
(10,)

>>> combined = np.vstack((tp, fp)).T
>>> combined
array([[ 0, 10],
       [ 1, 11],
       [ 2, 12],
       [ 3, 13],
       [ 4, 14],
       [ 5, 15],
       [ 6, 16],
       [ 7, 17],
       [ 8, 18],
       [ 9, 19]])

>>> combined.ndim
2
>>> combined.shape
(10, 2)

Answer 2

另一种方法是使用 np.transpose。好像偶尔会用到，但是不可读，所以用上面的回答是个好主意。但我希望当你在某处遇到它时会有所帮助。

import numpy as np

tp = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
fp = np.array([10, 11, 12, 13, 14, 15, 16, 17, 18, 19])
combined = np.transpose((tp, fp))
combined
# Out[3]:
# array([[ 0, 10],
#        [ 1, 11],
#        [ 2, 12],
#        [ 3, 13],
#        [ 4, 14],
#        [ 5, 15],
#        [ 6, 16],
#        [ 7, 17],
#        [ 8, 18],
#        [ 9, 19]])
combined.ndim
# Out[4]: 2
combined.shape
# Out[5]: (10, 2)

Answer 3

您可以使用numpy的column_stack

np.column_stack((tp, fp))

使用2个一维数组创建二维数组

3 个答案: