Numpy array 合并-优快云博客

本文链接：https://blog.youkuaiyun.com/anhooo/article/details/86182064

本文介绍了Numpy中数组合并的几种方法，包括np.vstack()进行垂直合并，np.hstack()实现水平合并，np.newaxis()用于转置，以及np.concatenate()用于处理多个矩阵或序列的合并操作。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、np.vstack() ：垂直合并

>>> import numpy as np
>>> A = np.array([1,1,1])
>>> B = np.array([2,2,2])
>>> print(np.vstack((A,B))) # vertical stack,属于一种上下合并,即对括号中的两个整体进行对应操作
[[1 1 1]
 [2 2 2]]

>>> C = np.vstack((A,B))
>>> print(A.shape,C.shape)
(3,) (2, 3)

2、np.hstack()：水平合并

>>> D = np.hstack((A,B)) # horizontal stack,即左右合并
>>> print(D)
[1 1 1 2 2 2]
>>> print(A.shape,D.shape)
(3,) (6,)

3、np.newaxis():转置

>>> print(A[np.newaxis,:])
[[1 1 1]]
>>> print(A[np.newaxis,:].shape)
(1, 3)
>>> print(A[:,np.newaxis])
[[1]
 [1]
 [1]]
>>> print(A[:,np.newaxis].shape)
(3, 1)


>>> A = np.array([1,1,1])[:,np.newaxis]
>>> B = np.array([2,2,2])[:,np.newaxis]
>>> C = np.vstack((A,B))   # vertical stack
>>> D = np.hstack((A,B))   # horizontal stack
>>> print(D)
[[1 2]
 [1 2]
 [1 2]]
>>> print(A.shape,D.shape)
(3, 1) (3, 2)

4、np.concatenate():针对多个矩阵或序列的合并操作

#axis参数很好的控制了矩阵的纵向或是横向打印，相比较vstack和hstack函数显得更加
>>> C = np.concatenate((A,B,B,A),axis=0)
>>> print(C)
[[1]
 [1]
 [1]
 [2]
 [2]
 [2]
 [2]
 [2]
 [2]
 [1]
 [1]
 [1]]

>>> D = np.concatenate((A,B,B,A),axis=1)
>>> print(D)
[[1 2 2 1]
 [1 2 2 1]
 [1 2 2 1]]

posted on 2018-07-28 21:30 Anhoo 阅读( ...) 评论( ...) 编辑收藏