垂直连接两个NumPy数组

Question

我尝试了以下方法:

>>> a = np.array([1,2,3])
>>> b = np.array([4,5,6])
>>> np.concatenate((a,b), axis=0)
array([1, 2, 3, 4, 5, 6])
>>> np.concatenate((a,b), axis=1)
array([1, 2, 3, 4, 5, 6])

但是,我希望至少有一个结果看起来像这样

array([[1, 2, 3],
       [4, 5, 6]])

为什么它没有垂直连接？

Answer 1

因为这两个a和b仅具有一个轴线,因为它们的形状是(3),轴参数具体是指以连接元件的轴.

这个例子应该说明concatenate用轴做什么.取两个带两个轴的矢量,形状为(2,3):

a = np.array([[1,5,9], [2,6,10]])
b = np.array([[3,7,11], [4,8,12]])

沿第1轴连接(第1行,第2行):

np.concatenate((a,b), axis=0)
array([[ 1,  5,  9],
       [ 2,  6, 10],
       [ 3,  7, 11],
       [ 4,  8, 12]])

沿第二轴连接(第1列的列,然后是第2列的列):

np.concatenate((a, b), axis=1)
array([[ 1,  5,  9,  3,  7, 11],
       [ 2,  6, 10,  4,  8, 12]])

要获得您提供的输出,您可以使用 vstack

a = np.array([1,2,3])
b = np.array([4,5,6])
np.vstack((a, b))
array([[1, 2, 3],
       [4, 5, 6]])

你仍然可以使用它concatenate,但你需要首先重塑它们:

np.concatenate((a.reshape(1,3), b.reshape(1,3)))
array([[1, 2, 3],
       [4, 5, 6]])

最后,正如评论中所提出的,重塑它们的一种方法是使用newaxis:

np.concatenate((a[np.newaxis,:], b[np.newaxis,:]))

Answer 2

如果当前的实际问题是垂直连接两个1-D数组,并且我们不习惯使用它concatenate来执行此操作,我建议使用np.column_stack:

In []: a = np.array([1,2,3])
In []: b = np.array([4,5,6])
In []: np.column_stack((a, b))
array([[1, 4],
       [2, 5],
       [3, 6]])

Answer 3

numpy的一个鲜为人知的特征是使用r_.这是一种快速构建数组的简单方法:

import numpy as np
a = np.array([1,2,3])
b = np.array([4,5,6])
c = np.r_[a[None,:],b[None,:]]
print(c)
#[[1 2 3]
# [4 5 6]]

目的a[None,:]是将轴添加到数组中a.

Answer 4

a = np.array([1,2,3])
b = np.array([4,5,6])
np.array((a,b))

同样有效

np.array([[1,2,3], [4,5,6]])

无论是列表列表还是1d数组列表,都np.array尝试创建2d数组.

但了解如何np.concatenate及其stack功能系列也是一个好主意.在这种情况下,concatenate需要一个2d数组列表(或任何np.array将变成2d数组的任何东西)作为输入.

np.vstack首先通过输入循环确保它们至少为2d,然后连接.在功能上它与自己扩展阵列的尺寸相同.

np.stack是一个将数组连接到新维度的新函数.默认行为就像np.array.

查看这些函数的代码.如果用Python编写,你可以学到很多东西.用于vstack:

return _nx.concatenate([atleast_2d(_m) for _m in tup], 0)