這篇文章給大家分享的是有關Numpy中數(shù)組如何實現(xiàn)拼接、合并操作的內容。小編覺得挺實用的，因此分享給大家做個參考，一起跟隨小編過來看看吧。

成都創(chuàng)新互聯(lián)網(wǎng)站建設公司一直秉承“誠信做人，踏實做事”的原則，不欺瞞客戶，是我們最起碼的底線！ 以服務為基礎，以質量求生存，以技術求發(fā)展，成交一個客戶多一個朋友！專注中小微企業(yè)官網(wǎng)定制，成都網(wǎng)站建設、網(wǎng)站設計，塑造企業(yè)網(wǎng)絡形象打造互聯(lián)網(wǎng)企業(yè)效應。

Numpy中提供了concatenate,append, stack類(包括hsatck、vstack、dstack、row_stack、column_stack),r_和c_等類和函數(shù)用于數(shù)組拼接的操作。

各種函數(shù)的特點和區(qū)別如下標：

concatenate	提供了axis參數(shù)，用于指定拼接方向
append	默認先ravel再拼接成一維數(shù)組，也可指定axis
stack	提供了axis參數(shù)，用于生成新的維度
hstack	水平拼接，沿著行的方向，對列進行拼接
vstack	垂直拼接，沿著列的方向，對行進行拼接
dstack	沿著第三個軸（深度方向）進行拼接
column_stack	水平拼接，沿著行的方向，對列進行拼接
row_stack	垂直拼接，沿著列的方向，對行進行拼接
r_	垂直拼接，沿著列的方向，對行進行拼接
c_	水平拼接，沿著行的方向，對列進行拼接

0. 維度和軸

在正確理解Numpy中的數(shù)組拼接、合并操作之前，有必要認識下維度和軸的概念：

ndarray(多維數(shù)組)是Numpy處理的數(shù)據(jù)類型。多維數(shù)組的維度即為對應數(shù)據(jù)所在的空間維度，1維可以理解為直線空間，2維可以理解為平面空間，3維可以理解為立方體空間。

軸是用來對多維數(shù)組所在空間進行定義、描述的一組正交化的直線，根據(jù)數(shù)學慣例可以用$$i,j,ki, j ,ki,j,k來表示。

在一維空間中，用一個軸就可以表示清楚，numpy中規(guī)定為axis 0，空間內的數(shù)可以理解為直線空間上的離散點 (x$$iii, )。

在二維空間中，需要用兩個軸表示，numpy中規(guī)定為axis 0和axis 1，空間內的數(shù)可以理解為平面空間上的離散點（x$$iii，y$$jjj）。

在三維空間中，需要用三個軸才能表示清楚，在二維空間的基礎上numpy中又增加了axis 2，空間內的數(shù)可以理解為立方體空間上的離散點（x$$iii，y$$jjj，z$$kkk）。

Python中可以用numpy中的ndim和shape來分別查看維度，以及在對應維度上的長度。直觀上可以根據(jù)符號“[ ]”的層數(shù)來判斷，有m層即為m維，最外面1層對應axis0， 依次為axis1，axis2…

>>> a = np.array([1,2,3])
>>> a.ndim   # 一維數(shù)組
1
>>> a.shape   # 在這個維度上的長度為3
(3,)

>>> b = np.array([[1,2,3], [4,5,6]])
>>> b.ndim   # 二維數(shù)組
2
>>> b.shape   # 在axis 0 上的長度為2， 在axis 1上的長度為3.或者可以感性的理解為2行3列
(2, 3)

>>> c = np.array([[[1,2,3], [4,5,6]]])
>>> c.ndim   # 三維數(shù)組
3
>>> c.shape   # 在axis 0 上的長度為1，在axis 1上的長度為2, 在axis 2上的長度為3. 或者可以感性的理解為1層2行3列
(1, 2, 3)

1. np.concatenate()

concatenate(a_tuple, axis=0, out=None)
"""
參數(shù)說明：
a_tuple:對需要合并的數(shù)組用元組的形式給出
axis: 沿指定的軸進行拼接，默認0，即第一個軸
"""

示例

>>> import numpy as np
>>> ar1 = np.array([[1,2,3], [4,5,6]])
>>> ar2 = np.array([[7,8,9], [11,12,13]])
>>> ar1
array([[1, 2, 3],
    [4, 5, 6]])
>>> ar2
array([[ 7, 8, 9],
    [11, 12, 13]])

>>> np.concatenate((ar1, ar2))  # 這里的第一軸(axis 0)是行方向
array([[ 1, 2, 3],
    [ 4, 5, 6],
    [ 7, 8, 9],
    [11, 12, 13]])

>>> np.concatenate((ar1, ar2),axis=1)  # 這里沿第二個軸，即列方向進行拼接
array([[ 1, 2, 3, 7, 8, 9],
    [ 4, 5, 6, 11, 12, 13]])

>>> ar3 = np.array([[14,15,16]]) # shape為（1，3）的2維數(shù)組
>>> np.concatenate((ar1, ar3))  # 一般進行concatenate操作的array的shape需要一致，當然如果array在拼接axis方向的size不一樣，也可以完成
>>> np.concatenate((ar1, ar3)) # ar3雖然在axis0方向的長度不一致，但axis1方向上一致，所以沿axis0可以拼接
array([[ 1, 2, 3],
    [ 4, 5, 6],
    [14, 15, 16]])
>>> np.concatenate((ar1, ar3), axis=1)  # ar3和ar1在axis0方向的長度不一致，所以報錯

2. pd.append()

append(arr, values, axis=None)
"""
參數(shù)說明：
arr：array_like的數(shù)據(jù)
values: array_like的數(shù)據(jù)，若axis為None，則先將arr和values進行ravel扁平化,再拼接；否則values應當與arr的shape一致，或至多
    在拼接axis的方向不一致
axis：進行append操作的axis的方向，默認無
"""

示例

>>> np.append(ar1, ar2)  # 先ravel扁平化再拼接，所以返回值為一個1維數(shù)組
array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 11, 12, 13])

>>> np.append(ar1, ar2, axis=0)   # 沿第一個軸拼接，這里為行的方向 
array([[ 1, 2, 3],
    [ 4, 5, 6],
    [ 7, 8, 9],
    [11, 12, 13]])

>>> np.append(ar1, ar2, axis=1)   # 沿第二個軸拼接，這里為列的方向 
array([[ 1, 2, 3, 7, 8, 9],
    [ 4, 5, 6, 11, 12, 13]])

3. np.stack()

stack(arrays, axis=0, out=None)
"""
沿著指定的axis對arrays(每個array的shape必須一樣)進行拼接，返回值的維度比原arrays的維度高1
axis：默認為0，即第一個軸，若為-1即為第二個軸
"""

示例

>>> np.stack((ar1, ar2))   # 增加第一個維度（axis0，之后的axis向后順延：0—>1, 1—>2）
array([[[ 1, 2, 3],
    [ 4, 5, 6]],
    [[ 7, 8, 9],
    [11, 12, 13]]])

>>> np.stack((ar1, ar2), axis=1)   # 增加第二個維度（axis1，之后的axis向后順延, 1—>2）
array([[[ 1, 2, 3],
    [ 7, 8, 9]],
    [[ 4, 5, 6],
    [11, 12, 13]]])

>>> np.stack((ar1, ar2), axis=2)   # 增加第三個維度（axis2，和axis=-1的效果一樣，原來的axis0和axis1保持不變）
array([[[ 1, 7],
    [ 2, 8],
    [ 3, 9]],
    [[ 4, 11],
    [ 5, 12],
    [ 6, 13]]])

關于維度增加的一種理解方式

4. hstack、vstack和vstack

>>> np.hstack((ar1,ar2))  # 水平拼接，沿著行的方向，對列進行拼接
array([[ 1, 2, 3, 7, 8, 9],
    [ 4, 5, 6, 11, 12, 13]])

>>> np.vstack((ar1,ar2))  # 垂直拼接，沿著列的方向，對行進行拼接
array([[ 1, 2, 3],
    [ 4, 5, 6],
    [ 7, 8, 9],
    [11, 12, 13]])
    
>>> np.dstack((ar1,ar2))  # 對于2維數(shù)組來說，沿著第三軸（深度方向）進行拼接, 效果相當于stack(axis=-1)
array([[[ 1, 7],
    [ 2, 8],
    [ 3, 9]],
    [[ 4, 11],
    [ 5, 12],
    [ 6, 13]]])

5. column_stack和row_stack

>>> np.column_stack((ar1,ar2))  # 水平拼接，沿著行的方向，對列進行拼接
array([[ 1, 2, 3, 7, 8, 9],
   [ 4, 5, 6, 11, 12, 13]])

>>> np.row_stack((ar1,ar2))  # 垂直拼接，沿著列的方向，對行進行拼接
array([[ 1, 2, 3],
   [ 4, 5, 6],
   [ 7, 8, 9],
   [11, 12, 13]])

6. np.r_ 和np.c_

常用于快速生成ndarray數(shù)據(jù)

>>> np.r_[ar1,ar2]   # 垂直拼接，沿著列的方向，對行進行拼接
array([[ 1, 2, 3],
    [ 4, 5, 6],
    [ 7, 8, 9],
    [11, 12, 13]])
 
>>> np.c_[ar1,ar2]  # 水平拼接，沿著行的方向，對列進行拼接
array([[ 1, 2, 3, 7, 8, 9],
    [ 4, 5, 6, 11, 12, 13]])

7. 總結

對于兩個shape一樣的二維array來說:

增加行（對行進行拼接）的方法有：

np.concatenate((ar1, ar2),axis=0)
np.append(ar1, ar2, axis=0)
np.vstack((ar1,ar2))
np.row_stack((ar1,ar2))
np.r_[ar1,ar2]

增加列（對列進行拼接）的方法有：

np.concatenate((ar1, ar2),axis=1)
np.append(ar1, ar2, axis=1)
np.hstack((ar1,ar2))
np.column_stack((ar1,ar2))
np.c_[ar1,ar2]

感謝各位的閱讀！關于“Numpy中數(shù)組如何實現(xiàn)拼接、合并操作”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，讓大家可以學到更多知識，如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！

另外有需要云服務器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內外云服務器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務器、裸金屬服務器、高防服務器、香港服務器、美國服務器、虛擬主機、免備案服務器”等云主機租用服務以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務可用性高、性價比高”等特點與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應用場景需求。

網(wǎng)頁題目：Numpy中數(shù)組如何實現(xiàn)拼接、合并操作-創(chuàng)新互聯(lián)
文章位置：http://jinyejixie.com/article38/djegpp.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供品牌網(wǎng)站建設、外貿建站、網(wǎng)站排名、手機網(wǎng)站建設、微信小程序、網(wǎng)站維護

廣告

聲明：本網(wǎng)站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經(jīng)允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)