考虑三种不同的MatLab数组:a
,b
和c
。它们都是大小相同的阵列。让我们说64 x 64
。现在,为了在另一个数组X
内以一维向量的形式重新组织其中一个数组的元素,我可以执行以下操作:
X = [X a(:)];
现在,我有一个4096 x 1
数组。如果我想拥有一个数组,其中每列包含不同数组的元素,我可以重复上面的过程为b和c。
Python中是否有相同的内容?
答案 0 :(得分:1)
您可以使用np.concatanate功能。例如:
import numpy as np
a = np.array([1,2,3])
b = np.array([4,5,6])
c = np.array([7,8,9])
res = np.concatenate([a,b,c])
也可以按如下顺序进行:
res = a
res = np.concatenate([res,b])
res = np.concatenate([res,c])
结果:
res = array([1, 2, 3, 4, 5, 6, 7, 8, 9])
答案 1 :(得分:0)
为了达到4x1,你可以这样使用reshape()
函数:
np.reshape((-1, 1))
a = np.zeros((2,2)) #creates 2,2 matrix
print(a.shape) #2,2
print(a.reshape((-1, 1)) #4,1
这将确保您在结果数组中获得1列,而不管设置为 -1 的行元素。
如评论中所述,您可以使用numpy的flatten()
函数,它可以使矩阵变平。例如;如果您有2x2矩阵,flatten()
将使其成为1x4向量。
a = np.zeros((2,2)) # creates 2,2 matrix
print(a.shape) # 2,2
print(a.flatten()) # 1,4