数组拼接方法一
思路:首先将数组转成列表,然后利用列表的拼接函数append()、extend()等进行拼接处理,最后将列表转成数组。
示例1:
> import numpy as np > a=np.array([1,2,5]) > b=np.array([10,12,15]) > a_list=list(a) > b_list=list(b) > a_list.extend(b_list) > a_list [1, 2, 5, 10, 12, 15] > a=np.array(a_list) > a array([ 1, 2, 5, 10, 12, 15])
该方法只适用于简单的一维数组拼接,由于转换过程很耗时间,对于大量数据的拼接一般不建议使用。
数组拼接方法二
思路:numpy提供了numpy.append(arr, values, axis=None)函数。对于参数规定,要么一个数组和一个数值;要么两个数组,不能三个及以上数组直接append拼接。
示例2:
> a=np.arange(5) > a array([0, 1, 2, 3, 4]) > np.append(a,10) array([ 0, 1, 2, 3, 4, 10]) > a array([0, 1, 2, 3, 4]) > b=np.array([11,22,33]) > b array([11, 22, 33]) > np.append(a,b) array([ 0, 1, 2, 3, 4, 11, 22, 33]) > a array([[1, 2, 3], [4, 5, 6]]) > b=np.array([[7,8,9],[10,11,12]]) > b array([[ 7, 8, 9], [10, 11, 12]]) > np.append(a,b) array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])
numpy的数组没有动态改变大小的功能,numpy.append()函数每次都会重新分配整个数组,并把原来的数组复制到新数组中。
数组拼接方法三
思路:numpy提供了numpy.concatenate((a1,a2,...), axis=0)函数。能够一次完成多个数组的拼接。其中a1,a2,...是数组类型的参数
示例3:
> a=np.array([1,2,3]) > b=np.array([11,22,33]) > c=np.array([44,55,66]) > np.concatenate((a,b,c),axis=0) # 默认情况下,axis=0可以不写 array([ 1, 2, 3, 11, 22, 33, 44, 55, 66]) #对于一维数组拼接,axis的值不影响最后的结果 > a=np.array([[1,2,3],[4,5,6]]) > b=np.array([[11,21,31],[7,8,9]]) > np.concatenate((a,b),axis=0) array([[ 1, 2, 3], [ 4, 5, 6], [11, 21, 31], [ 7, 8, 9]]) > np.concatenate((a,b),axis=1) #axis=1表示对应行的数组进行拼接 array([[ 1, 2, 3, 11, 21, 31], [ 4, 5, 6, 7, 8, 9]])
对numpy.append()和numpy.concatenate()两个函数的运行时间进行比较
示例4:
> from time import clock as now > a=np.arange(9999) > b=np.arange(9999) > time1=now() > c=np.append(a,b) > time2=now() > print time2-time1 28.2316728446 > a=np.arange(9999) > b=np.arange(9999) > time1=now() > c=np.concatenate((a,b),axis=0) > time2=now() > print time2-time1 20.3934997107
可知,concatenate()效率更高,适合大规模的数据拼接
PS:更多示例
import numpy as np a = np.array([[1, 2], [3, 4]]) a.shape Out[3]: (2, 2) b = np.array([[5, 6]]) b.shape Out[5]: (1, 2) np.concatenate((a, b)) Out[6]: array([[1, 2], [3, 4], [5, 6]]) c= np.concatenate((a, b)) c.shape Out[8]: (3, 2) d = np.concatenate((a, b), axis=0) d.shape Out[10]: (3, 2) e = np.concatenate((a, b), axis=1) Traceback (most recent call last): File "<ipython-input-11-05a280a2cb02>", line 1, in <module> e = np.concatenate((a, b), axis=1) ValueError: all the input array dimensions except for the concatenation axis must match exactly e = np.concatenate((a, b.T), axis=1) e.shape Out[13]: (2, 3) import numpy as np a = np.array([[1, 2], [3, 4]]) a.shape Out[3]: (2, 2) b = np.array([[5, 6]]) b.shape Out[5]: (1, 2) np.concatenate((a, b)) Out[6]: array([[1, 2], [3, 4], [5, 6]]) c= np.concatenate((a, b)) c.shape Out[8]: (3, 2) d = np.concatenate((a, b), axis=0) d.shape Out[10]: (3, 2) e = np.concatenate((a, b), axis=1) Traceback (most recent call last): File "<ipython-input-11-05a280a2cb02>", line 1, in <module> e = np.concatenate((a, b), axis=1) ValueError: all the input array dimensions except for the concatenation axis must match exactly e = np.concatenate((a, b.T), axis=1) e.shape Out[13]: (2, 3)
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件!
如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
暂无“numpy concatenate数组拼接方法示例介绍”评论...
RTX 5090要首发 性能要翻倍!三星展示GDDR7显存
三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。
首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。
据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。
更新动态
2024年11月09日
2024年11月09日
- 雨林唱片《赏》新曲+精选集SACD版[ISO][2.3G]
- 罗大佑与OK男女合唱团.1995-再会吧!素兰【音乐工厂】【WAV+CUE】
- 草蜢.1993-宝贝对不起(国)【宝丽金】【WAV+CUE】
- 杨培安.2009-抒·情(EP)【擎天娱乐】【WAV+CUE】
- 周慧敏《EndlessDream》[WAV+CUE]
- 彭芳《纯色角3》2007[WAV+CUE]
- 江志丰2008-今生为你[豪记][WAV+CUE]
- 罗大佑1994《恋曲2000》音乐工厂[WAV+CUE][1G]
- 群星《一首歌一个故事》赵英俊某些作品重唱企划[FLAC分轨][1G]
- 群星《网易云英文歌曲播放量TOP100》[MP3][1G]
- 方大同.2024-梦想家TheDreamer【赋音乐】【FLAC分轨】
- 李慧珍.2007-爱死了【华谊兄弟】【WAV+CUE】
- 王大文.2019-国际太空站【环球】【FLAC分轨】
- 群星《2022超好听的十倍音质网络歌曲(163)》U盘音乐[WAV分轨][1.1G]
- 童丽《啼笑姻缘》头版限量编号24K金碟[低速原抓WAV+CUE][1.1G]