Question

array1.shape给出（180，） array2.shape给出（180,1）

这两者之间的区别是什么？由于这种差异，我无法使用

堆叠它们

np.vstack((array2, array1))

我应该对array1的形状进行哪些更改，以便我可以将它们叠加起来？

Answer 1

让我们定义一些数组：

>>> x = np.zeros((4, 1))
>>> y = np.zeros((4))

原样，这些数组无法堆叠：

>>> np.vstack((x, y))
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/lib/python3/dist-packages/numpy/core/shape_base.py", line 230, in vstack
    return _nx.concatenate([atleast_2d(_m) for _m in tup], 0)
ValueError: all the input array dimensions except for the concatenation axis must match exactly

但是，通过简单的更改，它们将堆叠：

>>> np.vstack((x, y[:, None]))
array([[ 0.],
       [ 0.],
       [ 0.],
       [ 0.],
       [ 0.],
       [ 0.],
       [ 0.],
       [ 0.]])

可替换地：

>>> np.vstack((x[:, 0], y))
array([[ 0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.]])

Answer 2

In [81]: x1=np.ones((10,)); x2=np.ones((10,1))

一个数组是1d，另一个是2d。 vertical堆栈需要2个维度，垂直和水平。因此np.vstack通过np.atleast_2d传递每个输入：

In [82]: np.atleast_2d(x1).shape
Out[82]: (1, 10)

但是现在我们有一个（1,10）数组和一个（10,1） - 它们不能在任何一个轴上连接。

但是，如果我们重塑x1所以它是(10,1)，那么我们就可以在x2的任何一个方向加入它：

In [83]: np.concatenate((x1[:,None],x2), axis=0).shape
Out[83]: (20, 1)
In [84]: np.concatenate((x1[:,None],x2), axis=1).shape
Out[84]: (10, 2)

打印出两个阵列：

In [86]: x1
Out[86]: array([ 1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.])
In [87]: x2
Out[87]: 
array([[ 1.],
       [ 1.],
       [ 1.],
       [ 1.],
       [ 1.],
       [ 1.],
       [ 1.],
       [ 1.],
       [ 1.],
       [ 1.]])

如何在不进行某种调整的情况下连接这两种形状？

使用vstack在numpy中堆叠数组

2 个答案: