小智 27
我相信这是你想要的vstack
p=array_2
q=array_2
p=numpy.vstack([p,q])
Run Code Online (Sandbox Code Playgroud)
Jos*_*del 15
最好的学习方法之一就是试验,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)
Run Code Online (Sandbox Code Playgroud)
要么
b = np.concatenate((a,a),axis=0)
Run Code Online (Sandbox Code Playgroud)
编辑
就像一个注释,在OP的问题中,我的机器上的大小数组,我发现它np.concatenate比大约快2倍np.vstack
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
Run Code Online (Sandbox Code Playgroud)
i3e*_*min 10
可能值得一提
np.concatenate((a1, a2, ...), axis=0)
Run Code Online (Sandbox Code Playgroud)
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.
| 归档时间: |
|
| 查看次数: |
55458 次 |
| 最近记录: |