np.concatenate()函數(shù)如何使用

今天小編給大家分享一下np.concatenate()函數(shù)如何使用的相關(guān)知識(shí)點(diǎn)，內(nèi)容詳細(xì)，邏輯清晰，相信大部分人都還太了解這方面的知識(shí)，所以分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后有所收獲，下面我們一起來(lái)了解一下吧。

引言

提到 numpy 的數(shù)組操作，我們就不得不說(shuō)到 np.concatenate() 函數(shù)，concatenate 一詞在英文中是級(jí)聯(lián)的意思，我們可以簡(jiǎn)單地理解為連接，拼接。

函數(shù)調(diào)用

調(diào)用方法

numpy.concatenate((a1, a2, ...), axis=0, out=None)

各個(gè)參數(shù)的意義

• (a1, a2, ...)：數(shù)組序列，注意要用 () 或者 [] 符號(hào)括起來(lái)，否則會(huì)報(bào)錯(cuò)，具體可以參考這篇------np.concatenate()函數(shù)數(shù)組序列參數(shù)。

• axis：設(shè)置級(jí)聯(lián)時(shí)的坐標(biāo)軸，如沿著x軸，y 軸或者 z 軸級(jí)聯(lián)。對(duì)于坐標(biāo)軸問(wèn)題，具體可以參考這篇------numpy.sum()坐標(biāo)軸問(wèn)題。

• out：（可選參數(shù)）暫時(shí)不做討論。

有返回值，返回級(jí)聯(lián)后的數(shù)組。

注意事項(xiàng)

在使用該函數(shù)的時(shí)候務(wù)必要注意，(a1, a2, ...) 中的 a1 ， a2 均應(yīng)該為可以迭代的對(duì)象，且維度不能夠?yàn)?0，比如：我們給 a1 = 5 一個(gè)整數(shù)值，此時(shí)會(huì)得到 zero-dimensional arrays cannot be concatenated 的錯(cuò)誤提示，具體代碼如下：

# -*- coding:utf-8 -*-
"""
author: 15025
age: 26
e-mail: 1502506285@qq.com
time: 2020/12/1 16:54
software: PyCharm

Description:
"""
import numpy as np


class Debug:
    @staticmethod
    def mainProgram():
        x = 5
        y = np.ones(3)
        z = np.concatenate(([x], y))
        z1 = np.concatenate((np.array([x]), y))

        # wrong calling method
        # z = np.concatenate((x, y))
        # print(z)

        print("The value of z is: ")
        print(z)
        print("The value of z1 is: ")
        print(z1)


if __name__ == "__main__":
    main = Debug()
    main.mainProgram()
"""
The value of z is: 
[5. 1. 1. 1.]
The value of z1 is: 
[5. 1. 1. 1.]
"""

我們可以看到，對(duì)于單個(gè)整數(shù)，我們可以先將它轉(zhuǎn)換為 ndarray 或者 list 對(duì)象，然后進(jìn)行級(jí)聯(lián)操作。但是如果我們直接進(jìn)行級(jí)聯(lián)操作就會(huì)出錯(cuò)，可以自行嘗試被注釋掉的部分。

接下來(lái)我們給幾個(gè)相關(guān)的例子。

示例1------一維數(shù)組

代碼如下：

# -*- coding: utf-8 -*-
import numpy as np


class Debug:
    def __init__(self):
        self.x = np.array([1, 2, 3])
        self.y = np.array([4, 5, 6])
        self.x1 = np.array([[1],[2],[3]])
        self.y1 = np.array([[4],[5],[6]])
        
    def mainProgram(self):
        z = np.concatenate((self.x, self.y))
        z1 = np.concatenate((self.x1, self.y1))
        print("The value of z is: ")
        print(z)
        print("The value of z1 is: ")
        print(z1)
        

if __name__ == "__main__":
    main = Debug()
    main.mainProgram()
"""
The value of z is: 
[1 2 3 4 5 6]
The value of z1 is: 
[[1]
 [2]
 [3]
 [4]
 [5]
 [6]]
"""

我們可以看到，對(duì)于結(jié)果 z ，np.concatenate() 完成的操作類似于np.hstack()函數(shù)，沿著 x 軸進(jìn)行數(shù)組堆疊。對(duì)于結(jié)果 z1 ，np.concatenate() 完成的操作類似于np.vstack()函數(shù)，沿著 y 軸進(jìn)行數(shù)組堆疊。我們知道這里是一維情況，產(chǎn)生這種結(jié)果的原因是 np.concatenate() 函數(shù)默認(rèn)的連接方向是與被連接的數(shù)組本身的坐標(biāo)軸方向是一致的。因?yàn)?self.x 與 self.y 均為橫向數(shù)組，所以沿著橫向連接。同理 self.x1 與 self.y1 均為縱向數(shù)組，所以沿著縱向連接。那么可不可能把一個(gè)橫向數(shù)組和一個(gè)縱向數(shù)組連接起來(lái)呢？答案是否定的，可以自行嘗試，比如將這里的 self.x 與 self.y1 連接起來(lái)，會(huì)得到一個(gè)錯(cuò)誤。

既然對(duì)于一維數(shù)組是可以進(jìn)行連接的，那么二維數(shù)組呢？接下來(lái)我們研究一下二維數(shù)組。

示例2------二維數(shù)組

代碼如下：

# -*- coding: utf-8 -*-
import numpy as np


class Debug:
    def __init__(self):
        self.x = np.array([[1, 2], [3, 4]])
        self.y = np.array([[5, 6], [7, 8]])

        
    def mainProgram(self):
        z = np.concatenate((self.x, self.y), axis=0)
        z1 = np.concatenate((self.x, self.y), axis=1)
        print("The value of z is: ")
        print(z)
        print("The value of z1 is: ")
        print(z1)
        

if __name__ == "__main__":
    main = Debug()
    main.mainProgram()
"""
The value of z is: 
[[1 2]
 [3 4]
 [5 6]
 [7 8]]
The value of z1 is: 
[[1 2 5 6]
 [3 4 7 8]]
"""

我們可以從 z 的結(jié)果中得出，此時(shí) np.concatenate() 完成的操作類似于np.vstack()函數(shù)， 沿著 y 軸進(jìn)行數(shù)組堆疊。從 z1 的結(jié)果中我們可以看到，np.concatenate() 完成的操作類似于np.hstack()函數(shù)，沿著 x 軸進(jìn)行數(shù)組堆疊。如我們之前討論過(guò)的坐標(biāo)軸問(wèn)題，類似于np.repeat()的坐標(biāo)軸問(wèn)題。二維情況下，從左向右，axis=0 指的就是 y 軸，axis=1 指的就是 y 軸。

那么 np.concatenate() 函數(shù)對(duì)于一維，二維均是起作用的，那么對(duì)于三維數(shù)組，它可以使用嗎？答案是肯定的。

示例3------三維數(shù)組

代碼如下：

# -*- coding: utf-8 -*-
import numpy as np


class Debug:
    def __init__(self):
        self.x = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
        self.y = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])

        
    def mainProgram(self):
        z = np.concatenate((self.x, self.y), axis=0)
        z1 = np.concatenate((self.x, self.y), axis=1)
        z2 = np.concatenate((self.x, self.y), axis=2)
        print(self.x.shape)
        print("The value of z is: ")
        print(z)
        print("The value of z1 is: ")
        print(z1)
        print("The value of z2 is: ")
        print(z2)
        

if __name__ == "__main__":
    main = Debug()
    main.mainProgram()
"""
The value of z is: 
[[[1 2]
  [3 4]]

 [[5 6]
  [7 8]]

 [[1 2]
  [3 4]]

 [[5 6]
  [7 8]]]
The value of z1 is: 
[[[1 2]
  [3 4]
  [1 2]
  [3 4]]

 [[5 6]
  [7 8]
  [5 6]
  [7 8]]]
The value of z2 is: 
[[[1 2 1 2]
  [3 4 3 4]]

 [[5 6 5 6]
  [7 8 7 8]]]
"""

我們可以看到結(jié)果完全符合我們的預(yù)期。

以上就是“np.concatenate()函數(shù)如何使用”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家閱讀完這篇文章都有很大的收獲，小編每天都會(huì)為大家更新不同的知識(shí)，如果還想學(xué)習(xí)更多的知識(shí)，請(qǐng)關(guān)注億速云行業(yè)資訊頻道。