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：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
>>> 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：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
|
>>> 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：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
>>> 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：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
>>> 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
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
|
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服务器之家。
原文链接：https://blog.csdn.net/qq_38150441/article/details/80488800