np.concatenate()函数的具体使用

目录

• 引言
• 函数调用
• 调用方法
• 各个参数的意义
• 注意事项
• 示例1------一维数组
• 示例2------二维数组
• 示例3------三维数组

引言

提到 numpy 的数组操作，我们就不得不说到 np.concatenate() 函数，concatenate 一词在英文中是级联的意思，我们可以简单地理解为连接，拼接。

函数调用

调用方法

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

各个参数的意义

• (a1, a2, ...)：数组序列，注意要用 () 或者 [] 符号括起来，否则会报错，具体可以参考这篇------np.concatenate()函数数组序列参数。
• axis：设置级联时的坐标轴，如沿着x轴，y 轴或者 z 轴级联。对于坐标轴问题，具体可以参考这篇------numpy.sum()坐标轴问题。
• out：（可选参数）暂时不做讨论。

有返回值，返回级联后的数组。

注意事项

在使用该函数的时候务必要注意，(a1, a2, ...) 中的 a1 ， a2 均应该为可以迭代的对象，且维度不能够为 0，比如：我们给 a1 = 5 一个整数值，此时会得到 zero-dimensional arrays cannot be concatenated 的错误提示，具体代码如下：

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

D编程escription:
"""
import numpy as np
php

class Debug:
  @staticmethod
  def mainProgram():
    x = 5
    y = np.owww.devze.comnes(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.]
"""

我们可以看到，对于单个整数，我们可以先将它转换为 ndarray 或者 list 对象，然后进行级联操作。但是如果我们直接进行级联操作就会出错，可以自行尝试被注释掉的部分。

接下来我们给几个相关的例子。

示例1------一维数组

代码如下：

# -*- 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]]
"""

我们可以看到，对于结果 z ，np.concatenate() 完成的操作类似于nandroidp.hstack()函数，沿着 x 轴进行数组堆叠。对于结果 z1 ，np.concatenate() 完成的操作类似于np.vstack()函数，沿着 y 轴进行数组堆叠。我们知道这里是一维情况，产生这种结果的原因是 np.concatenate() 函数默认的连接方向是与被连接的数组本身的坐标轴方向是一致的。因为 self.x 与 self.y 均为横向数组，所以沿着横向连接。同理 self.x1 与 self.y1 均为纵向数组，所以沿着纵向连接。那么可不可能把一个横向数组和一个纵向数组连接起来呢？答案是否定的，可以自行尝试，比如将这里的 self.x 与 self.y1 连接起来，会得到一个错误。

既然对于一维数组是可以进行连接的，那么二维数组呢？接下来我们研究一下二维数组。

示例2------二维数组

代码如下：

# -*- 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]]
"""

我们可以从 z 的结果中得出，此时 np.concatenate() 完成的操作类似于np.vstack()函数， 沿着 y 轴进行数组堆叠。从 z1 的结果中我们可以看到，np.concatenate() 完成的操作类似于np.hstack()函数，沿着 x 轴进行数组堆叠。如我们之前讨论过的坐标轴问题，类似于np.repeat()的坐标轴问题。二维情况下，从左向右，axis=0 指的就是 y 轴，axis=1 指的就是 y 轴。

那么 np.concatenate() 函数对于一维，二维均是起作用的，那么对于三维数组，它可以使用吗？答案是肯定的。

示例3------三维数组

代码如下：

# -*- 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)
    p开发者_开发教程rint("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编程 8]]]
The value of z2 is:
[[[1 2 1 2]
 [3 4 3 4]]

[[5 6 5 6]
 [7 8 7 8]]]
"""

我们可以看到结果完全符合我们的预期。至此，np.concatenate() 函数的研究就告一段落了。

到此这篇关于np.concatenate()函数的具体使用的文章就介绍到这了,更多相关np.concatenate()内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！