关于numpy.concatenate()函数的使用及说明

更新时间：2023年08月01日 10:16:45 作者：一位不愿暴露自己的郑某人

这篇文章主要介绍了关于numpy.concatenate()函数的使用及说明,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教

numpy.concatenate()函数

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：

>>> 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)  # axis=0为按列拼接
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]])

不写axis参数的话，默认为按列拼接；

np.concatenate((a,b))
Out[22]: 
array([[ 1,  2,  3],
       [ 4,  5,  6],
       [11, 21, 31],
       [ 7,  8,  9]])

若axis = -1的话，即为按行拼接：

np.concatenate((a,b),axis=-1)
Out[21]: 
array([[ 1,  2,  3, 11, 21, 31],
       [ 4,  5,  6,  7,  8,  9]])

numpy.append()和numpy.concatenate()两个函数的运行时间进行比较的话，numpy.concatenate()效率更高，适合大规模的数组拼接。

numpy.concatenate()的out使用举例

numpy.concatenate()的官方语法是

numpy.concatenate（（a1，a2，...），axis = 0，out = None，dtype = None，cast =“ same_kind”

对out的要求是

out ndarray，可选

如果提供，则为放置结果的目的地。形状必须正确，并且与未指定out参数的串联连接的形状匹配。

举例

array01=np.arange(24).reshape(4,6)
array01
结果
array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17],
       [18, 19, 20, 21, 22, 23]])
array04 = np.ones((4,15),dtype='int32')
array04
结果
array([[1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1]])
np.concatenate((array01,array03),axis=1,out=array04)
结果
array([[ 0,  1,  2,  3,  4,  5,  0,  1,  2,  3,  4,  5,  6,  7,  8],
       [ 6,  7,  8,  9, 10, 11,  9, 10, 11, 12, 13, 14, 15, 16, 17],
       [12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26],
       [18, 19, 20, 21, 22, 23, 27, 28, 29, 30, 31, 32, 33, 34, 35]])

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。

您可能感兴趣的文章:

python中web框架的自定义创建
这篇文章主要为大家详细介绍了python中web框架的自定义创建，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2019-09-09
利用python脚本提取Abaqus场输出数据的代码
这篇文章主要介绍了利用python脚本提取Abaqus场输出数据,利用python脚本对Abaqus进行数据提取时，要对python脚本做前步的导入处理，本文通过实例代码详细讲解需要的朋友可以参考下
2022-11-11
Python实现提高运行速度的技巧分享
这篇文章主要为大家详细介绍了Python实现提高运行速度的相关技巧，文中的示例代码讲解详细，具有一定的参考价值，感兴趣的小伙伴可以跟随小编一起了解一下
2023-06-06
python如何绘制路段时变车速热力图
本文通过热力图形式展示了24小时内某个路段的车速变化和特定时刻某条路径的车速情况,数据是通过Numpy随机生成的,用以模拟真实的车速情况,文章还展示了如何利用pandas和seaborn库中的pivot_table()和heatmap()函数生成热力图
2024-09-09
python应用文件读取与登录注册功能
这篇文章主要介绍了python应用文件读取写登录注册功能，本文通过实例代码给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下
2019-09-09
sklearn-SVC实现与类参数详解
今天小编就为大家分享一篇sklearn-SVC实现与类参数详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2019-12-12
python之多种方式传递函数方法案例讲解
这篇文章主要介绍了python之多种方式传递函数方法案例讲解,本篇文章通过简要的案例,讲解了该项技术的了解与使用,以下就是详细内容,需要的朋友可以参考下
2021-08-08
浅谈Python 命令行参数argparse写入图片路径操作
这篇文章主要介绍了浅谈Python 命令行参数argparse写入图片路径操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2020-07-07
python Shapely使用指南详解
这篇文章主要介绍了python Shapely使用指南详解,需要的朋友可以参考下
2020-02-02
python使用openpyxl打开及读取excel表格过程
openpyxl是一个Python库,用于读写Excel 2010 xlsx/xlsm文件,它允许你轻松工作与Excel表格,进行数据处理和分析,支持读取、创建和修改Excel文件,甚至可以在Excel中插入图表等,安装非常简单,只需要使用pip命令即可
2024-09-09