我尝试了以下内容:
>>> a = np.array([1,2,3])
>>> b = np.array([4,5,6])
>>> np.concatenate((a,b), axis=0)
array([1, 2, 3, 4, 5, 6])
>>> np.concatenate((a,b), axis=1)
array([1, 2, 3, 4, 5, 6])
但是,我希望至少有一个结果看起来像这样
array([[1, 2, 3],
[4, 5, 6]])
为什么它没有垂直连接?
答案 0 :(得分:78)
因为a
和b
只有一个轴,因为它们的形状是(3)
,而轴参数专门指的是要连接的元素的轴。
这个例子应该阐明concatenate
对轴的作用。取两个带有两个轴的向量,形状为(2,3)
:
a = np.array([[1,5,9], [2,6,10]])
b = np.array([[3,7,11], [4,8,12]])
沿第1轴连接(第1行,第2行):
np.concatenate((a,b), axis=0)
array([[ 1, 5, 9],
[ 2, 6, 10],
[ 3, 7, 11],
[ 4, 8, 12]])
沿第2轴连接(第1轴的列,然后是第2列的列):
np.concatenate((a, b), axis=1)
array([[ 1, 5, 9, 3, 7, 11],
[ 2, 6, 10, 4, 8, 12]])
要获得您提供的输出,您可以使用vstack
a = np.array([1,2,3])
b = np.array([4,5,6])
np.vstack((a, b))
array([[1, 2, 3],
[4, 5, 6]])
您仍然可以使用concatenate
执行此操作,但您需要先重塑它们:
np.concatenate((a.reshape(1,3), b.reshape(1,3)))
array([[1, 2, 3],
[4, 5, 6]])
最后,正如评论中所提出的,重塑它们的一种方法是使用newaxis
:
np.concatenate((a[np.newaxis,:], b[np.newaxis,:]))
答案 1 :(得分:19)
如果当前的实际问题是垂直连接两个1-D阵列,并且我们没有注意使用concatenate
来执行此操作,我建议使用 np.column_stack 强>:
In []: a = np.array([1,2,3])
In []: b = np.array([4,5,6])
In []: np.column_stack((a, b))
array([[1, 4],
[2, 5],
[3, 6]])
答案 2 :(得分:9)
numpy的一个鲜为人知的特征是使用r_
。这是一种快速构建数组的简单方法:
import numpy as np
a = np.array([1,2,3])
b = np.array([4,5,6])
c = np.r_[a[None,:],b[None,:]]
print(c)
#[[1 2 3]
# [4 5 6]]
a[None,:]
的目的是将轴添加到数组a
。
答案 3 :(得分:5)
a = np.array([1,2,3])
b = np.array([4,5,6])
np.array((a,b))
与
一样有效np.array([[1,2,3], [4,5,6]])
无论是列表列表还是1d数组列表,np.array
都会尝试创建2d数组。
但了解np.concatenate
及其stack
函数系列的工作方式也是一个好主意。在此上下文中,concatenate
需要一个2d数组列表(或任何np.array
将变为二维数组的任何内容)作为输入。
np.vstack
首先通过输入循环确保它们至少为2d,然后连接。在功能上它与自己扩展阵列的尺寸相同。
np.stack
是一个新函数,它将数组连接到新维度。默认行为与np.array
类似。
查看这些函数的代码。如果用Python编写,你可以学到很多东西。对于vstack
:
return _nx.concatenate([atleast_2d(_m) for _m in tup], 0)