numpy.concatenate

  • 用例:
    numpy.concatenate((a1, a2, …), axis=0, out=None)

  • 功能:
    沿着指定的轴拼接一系列数组。

  • 参数

变量名 数据类型 功能
a1,a2,… 数组组成的序列 这些数组除了拼接方向(默认为y轴方向)的维度以外,其余维度必须保持一致
axis 整型,可选参数 数组拼接所沿的轴方向。如果axis是None,所有数组在拼接前都会被转为1维。此参数的默认值为0。
out n维数组,可选参数 若提供此参数,则指定计算结果的存储位置。若指定out参数,其维度必须和拼接后返回数组的维度保持一致。
  • 返回值
变量名 数据类型 功能
res n维数组 拼接后返回的数组
  • 备注

当一个或者多个数组被拼接时,这个函数会返回掩码数组而不是多维数组,但是输入数组的掩码不被保留。当用户期望输入数组为掩码数组时,请使用掩码数组模块中的ma.concatenate函数。

  • 示例:
import numpy as np
a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6]])
print('纵向拼接的结果为:\n{}'.format(np.concatenate((a, b), axis=0)))
print('a和b的转置横向拼接的结果为:\n{}'.format(np.concatenate((a, b.T), axis=1)))
print('将两个数组拉伸为1维后进行拼接的结果为:{}'.format(np.concatenate((a, b), axis=None)))

纵向拼接的结果为:
[[1 2]
[3 4]
[5 6]]
a和b的转置横向拼接的结果为:
[[1 2 5]
[3 4 6]]
将两个数组拉伸为1维后进行拼接的结果为:[1 2 3 4 5 6]


这个函数不会为输入数组保留掩码

a = np.ma.arange(3)
a[1] = np.ma.masked
b = np.arange(2, 5)
a

masked_array(data=[0, --, 2],
mask=[False, True, False],
fill_value=999999)


b

array([2, 3, 4])


np.concatenate([a, b])

masked_array(data=[0, 1, 2, 2, 3, 4],
mask=False,
fill_value=999999)


np.ma.concatenate([a, b])

masked_array(data=[0, --, 2, 2, 3, 4],
mask=[False, True, False, False, False, False],
fill_value=999999)


github链接
https://github.com/wzy6642/numpy-translate

numpy.concatenate详解相关推荐

  1. Numpy.array()详解 、np.array与np.asarray辨析、 np.array和np.ndarry的区别

    记录一下numpy.array()的详细用法,以及与np.asarray()和np.ndarray()的区别. 目录 1. Numpy.array()详解 1.1 函数形式 1.2 参数详解 1.3 ...

  2. 【Numpy乘法详解】np.multiply()、np.matmul()、np.dot()等

    [Numpy乘法详解(代码示例)]np.multiply().np.matmul().np.dot()等 文章目录 [Numpy乘法详解(代码示例)]np.multiply().np.matmul() ...

  3. Numpy.array()详解

    1. Numpy.array()详解 该函数的作用一言蔽之就是用来产生数组. 1.1 函数形式 numpy.array(object, dtype=None, copy=True, order='K' ...

  4. keras中的K.concatenate()详解

    keras中concatenate源代码如下: def concatenate(tensors, axis=-1):"""Concatenates a list of t ...

  5. numpy.dstack详解

    numpy.dstack 用例: numpy.dstack(tup) 功能: 将列表中的数组沿深度方向进行拼接. 当数组为2维数组(M,N)或1维数组(N,)时,首先分别将其维度改变为(M,N,1). ...

  6. 常量数组 python_python数据科学系列:numpy入门详解教程

    python数据科学基础库主要是三剑客:numpy,pandas以及matplotlib,每个库都集成了大量的方法接口,配合使用功能强大.平时虽然一直在用,也看过很多教程,但纸上得来终觉浅,还是需要自 ...

  7. python引用numpy出错_引用numpy出错详解及解决方法

    numpy出错 解决方案 Problem: how to import numpy in subdirectory? Import error of numpy within subfolder. 错 ...

  8. numpy.ones() 详解

    函数原型: numpy.ones(shape, dtype=None, order='C') 参数介绍: shape:int或int的序列,为新数组的形状:如果我们仅指定一个int变量,则将返回一维数 ...

  9. numpy.sum详解

    numpy.sum 用例: numpy.sum(a, axis=None, dtype=None, out=None, keepdims=) 功能: 数组沿着指定的轴求和. 参数 变量名 数据类型 功 ...

最新文章

  1. 混合线性模型+mixed linear model+GEEs+GLMM+LMM
  2. 曹长树:江湖小虾米的侠客行——我的大数据能力修炼得道之路 | 提升之路系列...
  3. HDU - 1757 A Simple Math Problem(矩阵快速幂,水题)
  4. >mysql -uroot -p Enter password: ERROR 1045 (28000): Access denied ,被mysql连接问题折磨到问题解决,分享
  5. [Leetcode][JAVA][第20题][Stack][Map]
  6. Python 生成器 和 yield 关键字
  7. 学习面试题(day01)
  8. 对.Net 垃圾回收的C#编程相关方面(Finalize 和Dispose(bool disposing)和 Dispose())的一些理解体会...
  9. java中fackeditor_ckeditor高级定制之发文模板
  10. sap销售发货的流程_基于SAP系统批量创建销售订单及交货单过账的方法与流程
  11. eclipse安装Spring插件
  12. Mac 安装 MAT内存分析工具
  13. [从头读历史] 第263节 左传 [BC537至BC479]
  14. 给Edge添加chrome主题
  15. 怎么恢复删除的文件?实用小妙招
  16. EFR32BG22 Thunderboard Kit 学习笔记总结
  17. Home Assistant 搭建日志(七)——安装NodeRed
  18. 小白学数据结构——零、算法初步(算法分类及最大子数组小试牛刀)
  19. node-sass 替换为 sass
  20. [蓝桥杯国赛]客观题

热门文章

  1. PAT甲级1023 Have Fun with Numbers:[C++题解]高精度加法和两个vector大小比较
  2. IDEA运行第一个Spring Boot应用程序
  3. python mysql模块 pip_MySQLpython模块不能与Pip一起在windows中安装
  4. html应用缓存,HTML5应用缓存
  5. ui设计现状与意义_学UI设计到底好不好?
  6. android 一个字符串分两行显示_【Android】DataBindinglt;中gt;
  7. java concurrent 框架,java.util.concurrent 包下的 Synchronizer 框架
  8. php childnodes,小tips:HTML DOM中的children和childNodes属性
  9. foobar2000 ios版怎么添加音乐_抖音怎么设置说完话后再放音乐 视频先配音后半段添加背景音乐...
  10. android 之DatePicker以及TimePicker的用法