numpy 数组合并
文章目录
- 创建数组
- append函数
- concatenate函数
- stack函数
- 列表中的 numpy 数组合并
import numpy as np
创建数组
a1 = np.arange(0,6).reshape(2,3)
a1
array([[0, 1, 2],[3, 4, 5]])
a2 = np.arange(6,12).reshape(2,3)
a2
array([[ 6, 7, 8],[ 9, 10, 11]])
append函数
np.append(a1,a2)
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11])
np.append(a1,a2,axis=0)
array([[ 0, 1, 2],[ 3, 4, 5],[ 6, 7, 8],[ 9, 10, 11]])
np.append(a1,a2,axis=1)
array([[ 0, 1, 2, 6, 7, 8],[ 3, 4, 5, 9, 10, 11]])
concatenate函数
np.concatenate((a1,a2),axis=0)
array([[ 0, 1, 2],[ 3, 4, 5],[ 6, 7, 8],[ 9, 10, 11]])
np.concatenate((a1,a2),axis=1)
array([[ 0, 1, 2, 6, 7, 8],[ 3, 4, 5, 9, 10, 11]])
stack函数
np.vstack((a1,a2))
array([[ 0, 1, 2],[ 3, 4, 5],[ 6, 7, 8],[ 9, 10, 11]])
np.hstack((a1,a2))
array([[ 0, 1, 2, 6, 7, 8],[ 3, 4, 5, 9, 10, 11]])
np.dstack((a1,a2))
array([[[ 0, 6],[ 1, 7],[ 2, 8]],[[ 3, 9],[ 4, 10],[ 5, 11]]])
列表中的 numpy 数组合并
列表中的数组可以直接合并,不需要循环出来。
list1 = [a1, a2]
print(list1)
[array([[0, 1, 2],[3, 4, 5]]), array([[ 6, 7, 8],[ 9, 10, 11]])]
np.concatenate(list1, axis=0)
array([[ 0, 1, 2],[ 3, 4, 5],[ 6, 7, 8],[ 9, 10, 11]])
numpy 数组合并相关推荐
- Numpy——数组合并
文章目录 1.np.vstack() 2.np.hstack() 3.np.newaxis() 4.综合newaxis.vstack.hstack 5.np.concatenate() 1.np.vs ...
- Python中numpy数组的拼接、合并
转载 https://blog.csdn.net/qq_39516859/article/details/80666070?utm_source=blogxgwz1 Python中numpy数组的合并 ...
- python中vstack_Python numpy实现数组合并实例(vstack,hstack)
若干个数组可以沿不同的轴合合并到一起,vstack,hstack的简单用法, >>> a = np.floor(10*np.random.random((2,2))) >> ...
- python中numpy数组的合并_基于Python中numpy数组的合并实例讲解
基于Python中numpy数组的合并实例讲解 Python中numpy数组的合并有很多方法,如 - np.append() - np.concatenate() - np.stack() - np. ...
- numpy合并循环数组的array_「Python技巧」如何加快循环操作和Numpy数组运算速度
Python 虽然写起来代码量要远少于如 C++,Java,但运行速度又不如它们,因此也有了各种提升 Python 速度的方法技巧,这次要介绍的是用 Numba 库进行加速比较耗时的循环操作以及 Nu ...
- python笔记3(numpy数组)
记录python听课笔记 文章目录 记录python听课笔记 一,数组创建 1.创建NumPy数组 1.1一维数组和二维数组的创建和访问 1.2三维数组 1.3数组元素的数据类型 1.4arange( ...
- numpy 数组抽取_Python 关于NumPy的用法介绍
NumPy是Python数值计算最重要的基础包,大多数提供科学计算的包都是用NumPy的数组作为构建基础.NumPy本身并没有提供多么高级的数据分析功能,理解NumPy数组以及面向数组的计算,将有助于 ...
- 34.35.热图(heatmap)、创建带注释的热图、使用辅助函数的代码样式、图像显示、图像插值、将图像数据导入Numpy数组、将numpy数组绘制为图像
34.热图(heatmap) 34.1.创建带注释的热图 34.2.使用辅助函数的代码样式 35.图像显示 35.1.图像插值 35.2.将图像数据导入Numpy数组 35.3.将numpy数组绘制为 ...
- 数据科学 IPython 笔记本 9.4 NumPy 数组的基础
9.4 NumPy 数组的基础 本节是<Python 数据科学手册>(Python Data Science Handbook)的摘录. 译者:飞龙 协议:CC BY-NC-SA 4.0 ...
最新文章
- linux 内核 初始化失败,300分求内核初始化及启动中出现的问题,
- 2015年的ResNet潜力都挖掘出来了吗?新研究:不用蒸馏、无额外数据,性能还能涨一波...
- python在哪里写程序和运行-Python程序的编写和运行方式有两种()
- 比较好的php源码,目前市面上能拿到的最好的PHP跑F分源码下载
- 虚方法(virsual method)
- 用python画派大星_派大星的烦恼MISC
- [Codeforces 920E]Connected Components?
- 【随笔】TongWeb 常见报错
- layer 日期laydate年月日切换渲染
- Java 动态代理机制讲解(Proxy.newProxyInstance)
- 添加MSN客服代码,可显示MSN在线和不在线,自动打开MSN聊天窗口
- 邓仰东专栏|机器学习的那些事儿(四):基于GPU的机器学习实例之AlphaGO
- Matlab中hold on与hold off的用法
- Selenium例1: Bing搜索
- Linux安装openoffice和swftools
- iOS app的启动优化
- Window如何进行日志分析
- 最完美的公式——欧拉公式
- 怎样使用PS制作木刻效果图片?添加木刻特效原来这么简单!
- PS 合并RGB通道 编辑单通道