Python中的np.vstack()和np.hstack()詳解
在這里我們介紹兩個拼接數(shù)組的方法:
np.vstack():在豎直方向上堆疊
np.hstack():在水平方向上平鋪
import numpy as np arr1=np.array([1,2,3]) arr2=np.array([4,5,6]) print np.vstack((arr1,arr2)) print np.hstack((arr1,arr2)) a1=np.array([[1,2],[3,4],[5,6]]) a2=np.array([[7,8],[9,10],[11,12]]) print a1 print a2 print np.hstack((a1,a2))
結(jié)果如下:
[[1 2 3]
[4 5 6]]
[1 2 3 4 5 6]
[[1 2]
[3 4]
[5 6]]
[[ 7 8]
[ 9 10]
[11 12]]
[[ 1 2 7 8]
[ 3 4 9 10]
[ 5 6 11 12]]
這里還需要強(qiáng)調(diào)一點(diǎn),在hstack應(yīng)用的時候,我在做cs231n上的assignment1的時候,我總是在hstack這里出錯!才發(fā)現(xiàn)我以前學(xué)的很膚淺??!
(1)np.hstack()
函數(shù)原型:numpy.hstack(tup)
其中tup是arrays序列,tup : sequence of ndarrays
The arrays must have the same shape along all but the second axis,except 1-D arrays which can be any length.
等價于:np.concatenate(tup, axis=1)
例子一:
import numpy as np brr1=np.array([1,2,3,4,55,6,7,77,8,9,99]) brr1_folds=np.array_split(brr1,3) print brr1_folds print brr1_folds[0:2]+brr1_folds[1:3] print np.hstack((brr1_folds[:2]+brr1_folds[1:3])) print brr1_folds[0:2] print brr1_folds[1:3] #print np.hstack((brr1_folds[0:2],brr1_folds[1:3]))
最后一行如果不注釋掉就會出錯;
[array([1, 2, 3, 4]), array([55, 6, 7, 77]), array([ 8, 9, 99])]
[array([1, 2, 3, 4]), array([55, 6, 7, 77]), array([55, 6, 7, 77]), array([ 8, 9, 99])]
[ 1 2 3 4 55 6 7 77 55 6 7 77 8 9 99]
[array([1, 2, 3, 4]), array([55, 6, 7, 77])]
[array([55, 6, 7, 77]), array([ 8, 9, 99])]
錯誤的原因就是以為我的array的維度不一致。改成+就好啦,加號是list的拼接!
例子二:
print np.hstack(([1,2,3,3,4],[3,4,5,8,6,6,7]))
結(jié)果是:表明了一維的數(shù)組hstack是隨意的。
[1 2 3 3 4 3 4 5 8 6 6 7]
例子三:
表明我們的hstack必須要第二維度是一樣的:
print np.hstack(([1,2,3,3,4],[3,4,5,8,6,6,7])) print np.hstack(([[1,2,3],[2,3,4]],[[1,2],[2,3]]))
結(jié)果:
[1 2 3 3 4 3 4 5 8 6 6 7]
[[1 2 3 1 2][2 3 4 2 3]]
如果你把上面改成下面就會報錯了!!!
print np.hstack(([1,2,3,3,4],[3,4,5,8,6,6,7])) print np.hstack(([[1,2,3],[2,3,4]],[[1,2]]))
(2)np.vstack()
函數(shù)原型:numpy.hstack(tup)
tup : sequence of ndarrays
The arrays must have the same shape along all but the first axis.1-D arrays must have the same length.
表示我們除了第一維可以不一樣外,其他的維度上必須相同的shape。一維的數(shù)組必須大小一樣。
例子一:
print np.vstack(([1,2,3],[3,4,3])) print np.vstack(([1,2,3],[2,3]))
但是你要注意的是第二行是出錯的!
例子二:
print np.vstack(([[1,2,3],[3,4,3]],[[1,3,4],[2,4,5]])) print np.vstack(([[1,2,3],[3,4,3]],[[3,4],[4,5]]))
同樣的表明了,如果我們的數(shù)組的第二維不一樣所以出錯了。
print np.vstack(([[1,2,3],[3,4,3]],[[2,4,5]])) print np.vstack(([[1,2,3],[3,4,3]],[[4,5]]))
例子三:
我們傳入的是list:
import numpy as np arr1=np.array([[1,2],[2,4],[11,33],[2,44],[55,77],[11,22],[55,67],[67,89]]) arr11=np.array([[11,2,3],[22,3,4],[4,5,6]]) arr1_folds=np.array_split(arr1,3) print arr1_folds print np.vstack(arr1_folds)
結(jié)果:
[array([[ 1, 2],
[ 2, 4],
[11, 33]]), array([[ 2, 44],
[55, 77],
[11, 22]]), array([[55, 67],
[67, 89]])]
[[ 1 2]
[ 2 4]
[11 33]
[ 2 44]
[55 77]
[11 22]
[55 67]
[67 89]]
到此這篇關(guān)于np.vstack()和np.hstack()的文章就介紹到這了,更多相關(guān)np.vstack()和np.hstack()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!
相關(guān)文章
Anaconda配置pytorch-gpu虛擬環(huán)境的圖文教程
這篇文章主要介紹了Anaconda配置pytorch-gpu虛擬環(huán)境步驟整理,本文分步驟通過圖文并茂的形式給大家介紹的非常詳細(xì),對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值,需要的朋友可以參考下2020-04-04python中itertools模塊zip_longest函數(shù)詳解
itertools模塊包含創(chuàng)建高效迭代器的函數(shù),這些函數(shù)的返回值不是list,而是iterator(可迭代對象),可以用各種方式對數(shù)據(jù)執(zhí)行循環(huán)操作,今天我們來詳細(xì)探討下zip_longest函數(shù)2018-06-06利用Python代碼實現(xiàn)數(shù)據(jù)可視化的5種方法詳解
在數(shù)據(jù)科學(xué)中,有多種工具可以進(jìn)行可視化。下面這篇文章主要給大家介紹了關(guān)于利用Python代碼實現(xiàn)數(shù)據(jù)可視化的5種方法,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,需要的朋友們下面來一起看看吧。2018-03-03Python Pygame實戰(zhàn)之飛機(jī)大戰(zhàn)的實現(xiàn)
飛機(jī)大戰(zhàn)想必是很多人童年時期的經(jīng)典游戲,這篇文章主要給大家介紹了關(guān)于如何利用python中的Pygame模塊寫一個簡單的飛機(jī)大戰(zhàn)小游戲的相關(guān)資料,需要的朋友可以參考下2022-03-03Python調(diào)整matplotlib圖片大小的3種方法匯總
我們在使用matplotlib作圖時,會遇到圖片不清晰或者圖片大小不是我們想要的,這個時候就需要調(diào)整下,這篇文章主要給大家介紹了關(guān)于Python調(diào)整matplotlib圖片大小的3種方法,文中通過實例代碼介紹的非常詳細(xì),需要的朋友可以參考下2022-08-08對Python中range()函數(shù)和list的比較
下面小編就為大家分享一篇對Python中range()函數(shù)和list的比較,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2018-04-04