Question

我有两个20x100x3 NumPy阵列，我希望将它们组合成一个40 x 100 x 3阵列，也就是说，只需在阵列中添加更多行。我对我想要的功能感到困惑：它是vstack，hstack，column_stack还是其他什么东西？

Answer 1

我相信这是你想要的vstack

p=array_2
q=array_2
p=numpy.vstack([p,q])

Answer 2

最好的学习方法之一是尝试，但我会说你想要np.vstack，尽管还有其他方法可以做同样的事情：

a = np.ones((20,100,3))
b = np.vstack((a,a)) 

print b.shape # (40,100,3)

或

b = np.concatenate((a,a),axis=0)

修改

就像在OP的问题中在我的机器上查看大小的数组一样，我发现np.concatenate比np.vstack快2倍

In [172]: a = np.random.normal(size=(20,100,3)) In [173]: c = np.random.normal(size=(20,100,3)) In [174]: %timeit b = np.concatenate((a,c),axis=0) 100000 loops, best of 3: 13.3 us per loop In [175]: %timeit b = np.vstack((a,c)) 10000 loops, best of 3: 26.1 us per loop

Answer 3

可能值得一提

    np.concatenate((a1, a2, ...), axis=0)

是一般形式，vstack和hstack是特定情况。我发现最容易知道我想要堆叠哪个维度并将其作为np.concatenate的参数提供。

Answer 4

我在r_和vstack之间尝试了一些基准测试，结果非常有趣：

import numpy as np

NCOLS = 10
NROWS = 2
NMATRICES = 10000

def mergeR(matrices):
    result = np.zeros([0, NCOLS])

    for m in matrices:
        result = np.r_[ result, m]

def mergeVstack(matrices):
    result = np.vstack(matrices)

def main():
    matrices = tuple( np.random.random([NROWS, NCOLS]) for i in xrange(NMATRICES) )
    mergeR(matrices)
    mergeVstack(matrices)

    return 0

if __name__ == '__main__':
    main()

然后我运行了探查器：

python -m cProfile -s cumulative np_merge_benchmark.py

和结果：

ncalls  tottime  percall  cumtime  percall filename:lineno(function)
...
     1    0.579    0.579    4.139    4.139 np_merge_benchmark.py:21(mergeR)
...
     1    0.000    0.000    0.054    0.054 np_merge_benchmark.py:27(mergeVstack)

所以 vstack方式快77倍！

Answer 5

顺便说一下，还有r_：

>>> from scipy import *
>>> a = rand(20,100,3)
>>> b = rand(20,100,3)
>>> a.shape
(20, 100, 3)
>>> b.shape
(20, 100, 3)
>>> r_[a,b].shape
(40, 100, 3)
>>> (r_[a,b] == vstack([a,b])).all()
True

结合NumPy数组

5 个答案: