numpy.concatenate函數(shù)用法詳解
這個concatenate用于將矩陣合并,他將沿著已經(jīng)存在的軸合并一個矩陣,相關(guān)參數(shù)有(a1, a2, ...), axis=0, out=None, dtype=None, casting="same_kind",其中第一個參數(shù)是用戶輸入的矩陣, 這些輸入的矩陣必須要在將要合并的對應(yīng)的軸上有相同的形狀,
官方文檔的機器翻譯:矩陣必須具有相同的形狀,除非是與軸對應(yīng)的尺寸(默認(rèn)為第一個)。
numpy.concatenate((a1, a2, ...), axis=0, out=None, dtype=None, casting="same_kind")
Join a sequence of arrays along an existing axis.
沿著已經(jīng)存在的軸合并一個矩陣
相關(guān)參數(shù)
Parameters
a1, a2, …sequence of array_like
The arrays must have the same shape, except in the dimension corresponding to axis (the first, by default).
這些輸入的矩陣必須要在將要合并的對應(yīng)的軸上有相同的形狀,比如,給出兩個變量,并將他們沿著axis=1的軸,進(jìn)行合并:
a = np.arange(3*3).reshape((3,3)) b = np.arange(3*4).reshape((3,4)) a,b (array([[0, 1, 2], [3, 4, 5], [6, 7, 8]]), array([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]])) np.concatenate([a,b],axis=1) array([[ 0, 1, 2, 0, 1, 2, 3], [ 3, 4, 5, 4, 5, 6, 7], [ 6, 7, 8, 8, 9, 10, 11]])
上面是沿著列進(jìn)行合并,盡管他們的列數(shù)不同,但是他們的行數(shù)相同,因此也可以合并。
axis int, optional
The axis along which the arrays will be joined. If axis is None, arrays are flattened before use. Default is 0.
如果將axis設(shè)置為None,那么將對給出的矩陣先進(jìn)行展平,即先將其轉(zhuǎn)換為一維數(shù)組,再合并,默認(rèn)的axis參數(shù)是0:
np.concatenate([a,b],axis=None) array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11])
casting {‘no’, ‘equiv’, ‘safe’, ‘same_kind’, ‘unsafe’}, optional
Controls what kind of data casting may occur. Defaults to ‘same_kind’.
下面給出一些可能觸發(fā)的錯誤:
np.concatenate(a,b,axis=None)
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input-36-0e550a3d06f6> in <module>
----> 1 np.concatenate(a,b,axis=None)
<__array_function__ internals> in concatenate(*args, **kwargs)
TypeError: concatenate() got multiple values for argument 'axis'
這個類型錯誤發(fā)生的原因是,將要合并的兩個數(shù)組未添加括號的就作為參數(shù)輸入了
正確的形式如下:
np.concatenate([a,b],axis=None) array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11])
或者:
c = (a,b) np.concatenate(c,axis=None) array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11])
到此這篇關(guān)于numpy.concatenate函數(shù)用法詳解的文章就介紹到這了,更多相關(guān)numpy.concatenate用法內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
- numpy中hstack vstack stack concatenate函數(shù)示例詳解
- numpy中數(shù)組拼接、數(shù)組合并方法總結(jié)(append(),?concatenate,?hstack,?vstack,?column_stack,?row_stack,?np.r_,?np.c_等)
- numpy數(shù)組做圖片拼接的實現(xiàn)(concatenate、vstack、hstack)
- numpy concatenate數(shù)組拼接方法示例介紹
- 詳解Numpy中的數(shù)組拼接、合并操作(concatenate, append, stack, hstack, vstack, r_, c_等)
- 關(guān)于numpy.concatenate()函數(shù)的使用及說明
相關(guān)文章
python自動查詢12306余票并發(fā)送郵箱提醒腳本
這篇文章主要為大家詳細(xì)介紹了Python自動查詢12306余票并發(fā)送郵箱提醒腳本,具有一定的參考價值,感興趣的小伙伴們可以參考一下2018-05-05Python表格處理模塊xlrd在Anaconda中的安裝方法
本文介紹在Anaconda環(huán)境下,安裝Python讀取.xls格式表格文件的庫xlrd的方法,xlrd是一個用于讀取Excel文件的Python庫,本文介紹了xlrd庫的一些主要特點和功能,感興趣的朋友一起看看吧2024-04-04Python人工智能之路 jieba gensim 最好別分家之最簡單的相似度實現(xiàn)
這篇文章主要介紹了Python人工智能之路 jieba gensim 最好別分家之最簡單的相似度實現(xiàn) ,非常不錯,具有一定的參考借鑒價值,需要的朋友可以參考下2019-08-08python如何實現(xiàn)MK突變檢驗方法,代碼復(fù)制修改可用
這篇文章主要介紹了python如何實現(xiàn)MK突變檢驗方法,代碼復(fù)制修改可用,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教2023-05-05Python機器學(xué)習(xí)之底層實現(xiàn)KNN
今天給大家?guī)淼氖顷P(guān)于Python機器學(xué)習(xí)的相關(guān)知識,文章圍繞著Python底層實現(xiàn)KNN展開,文中有非常詳細(xì)的解釋及代碼示例,需要的朋友可以參考下2021-06-06python獲取指定日期范圍內(nèi)的每一天,每個月,每季度的方法
這篇文章主要介紹了python獲取指定日期范圍內(nèi)的每一天,每個月,每季度的方法,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-08-08