Python:numpy库中的一些函数简介、使用方法之详细攻略

目录

numpy库中的一些函数简介、使用方法

1、np.concatenate()

1.1、函数案例

1.2、函数用法


numpy库中的一些函数简介、使用方法

1、np.concatenate()

1.1、函数案例


import numpy as npa=np.array([1,2,3])
b=np.array([11,22,33])
c=np.array([44,55,66])
d=np.concatenate((a,b,c),axis=0)  # 默认情况下,axis=0可以不写
print(d)  #输出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

1.2、函数用法

concatenate Found at: numpy.core.multiarray
concatenate((a1, a2, ...), axis=0, out=None)
    Join a sequence of arrays along an existing axis.
    Parameters
    ----------
    a1, a2, ... : sequence of array_like. The arrays must have the same shape, except in the dimension  corresponding to `axis` (the first, by default).
    axis : int, optional. The axis along which the arrays will be joined.  Default is 0.
    out : ndarray, optional. If provided, the destination to place the result. The shape  must be correct, matching that of what concatenate would have   returned if no  out argument were specified.
    
    Returns
    -------
    res : ndarray
    The concatenated array.

在:numpy.core.multiarray找到连接
连接((a1, a2,…),axis=0, out=None)
沿着现有的轴连接数组序列。
参数
----------
a1, a2,…:数组类型的序列。数组必须具有相同的形状,除了与“axis”对应的维度(默认情况下为第一个维度)。
axis: int,可选。数组连接的轴线。默认值为0。
out : ndarray,可选。如果提供,放置结果的目的地。形状必须正确,如果没有指定out参数,则匹配concatenate将返回的形状。

返回
 -------
res: ndarray
连接后的字符串数组。

    See Also
    --------
    ma.concatenate : Concatenate function that preserves input   masks.
    array_split : Split an array into multiple sub-arrays of equal or
    near-equal size.
    split : Split array into a list of multiple sub-arrays of equal size.
    hsplit : Split array into multiple sub-arrays horizontally   (column wise)
    vsplit : Split array into multiple sub-arrays vertically (row wise)
    dsplit : Split array into multiple sub-arrays along the 3rd axis  (depth).
    stack : Stack a sequence of arrays along a new axis.
    hstack : Stack arrays in sequence horizontally (column wise)
    vstack : Stack arrays in sequence vertically (row wise)
    dstack : Stack arrays in sequence depth wise (along third  dimension)
    
    Notes
    -----
    When one or more of the arrays to be concatenated is a  MaskedArray,   this function will return a MaskedArray object instead of an  ndarray, but the input masks are *not* preserved. In cases where a   MaskedArray  is expected as input, use the ma.concatenate function from  the masked  array module instead.
另请参阅
--------
马。保存输入掩码的连接函数。
array_split:将一个数组分割成多个相等或的子数组
与大小。
分割:将数组分割成相同大小的多个子数组。
hsplit:水平(按列)将数组分割为多个子数组
垂直(按行)将数组分割为多个子数组
dsplit:沿着第三轴(深度)将数组分割成多个子数组。
堆栈:将数组序列沿着一个新的轴进行堆栈。
hstack:水平排列(按列排列)
垂直(行向)按顺序堆叠数组。
dstack:按深度顺序排列的堆栈数组(沿三维方向)
笔记
-----
当一个或多个要连接的数组是一个MaskedArray时,这个函数将返回一个MaskedArray对象而不是ndarray,但是输入掩码*不*保留。在需要MaskedArray作为输入的情况下,使用ma。连接函数从掩码数组模块代替。

Examples
    --------
    >>> a = np.array([[1, 2], [3, 4]])
    >>> b = np.array([[5, 6]])
    >>> np.concatenate((a, b), axis=0)
    array([[1, 2],
    [3, 4],
    [5, 6]])
    >>> np.concatenate((a, b.T), axis=1)
    array([[1, 2, 5],
    [3, 4, 6]])

This function will not preserve masking of MaskedArray 
     inputs.
    
    >>> 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)

 

Python:numpy库中的一些函数简介、使用方法之详细攻略相关推荐

  1. Python语言学习之文件格式后缀那些事:python和常见各种文件格式后缀介绍、使用方法之详细攻略

    Python语言学习之文件格式后缀那些事:python和常见各种文件格式后缀介绍.使用方法之详细攻略 目录 常见各种文件格式后缀介绍 .pyc文件介绍 .py文件介绍 .pxd 文件 .pyd 文件 ...

  2. Python语言学习之数值、小数、空格那些事:python和数值、小数、空格的使用方法之详细攻略

    Python语言学习之数值.小数.空格那些事:python和数值.小数.空格的使用方法之详细攻略 目录 Python与数值那些事 1.python保留两位小数/保留小数点位数 Python去掉空格的方 ...

  3. TF之data_format:data_format中的NHWCNCHW简介、转换的详细攻略

    TF之data_format:data_format中的NHWC&NCHW简介.转换的详细攻略 目录 NHWC&NCHW简介 NHWC&NCHW转换 NHWC&NCHW ...

  4. Py之Numpy:Numpy库中常用函数的简介、应用之详细攻略

    Py之Numpy:Numpy库中常用函数的简介.应用之详细攻略 目录 Numpy库中常用函数的简介.应用 1.X, Y = np.meshgrid(X, Y) 相关文章 Py之Numpy:Numpy库 ...

  5. python自带的sum()函数和numpy库中的sum()函数的区别

    在学习<机器学习实战>一书的第十章时,对 return np.sqrt(sum(np.power(vecA - vecB, 2))) 这样一条语句输出的结果老是不对,明明想要输出的是对两个 ...

  6. python中mean的用法_python 的numpy库中的mean()函数用法介绍

    1. mean() 函数定义: numpy.mean(a, axis=None, dtype=None, out=None, keepdims=)[source] Compute the arithm ...

  7. python 的numpy库中的mean()函数用法介绍

    这篇文章主要介绍了python 的numpy库中的mean()函数用法介绍,具有很好对参考价值,希望对大家有所帮助.一起跟随小编过来看看吧 mean() 函数定义: 2 mean()函数功能: 求取均 ...

  8. python average函数怎么用_python 的numpy库中的mean()函数用法介绍

    1. mean() 函数定义: numpy.mean(a, axis=None, dtype=None, out=None, keepdims=)[source] Compute the arithm ...

  9. Python:Numpy库中的invert()函数的用法

    Numpy库中的invert()函数的用法 官方解释: Compute bit-wise inversion, or bit-wise NOT, element-wise. Computes the ...

最新文章

  1. 小米3 开发人员选项
  2. 对python来说、一个模块就是一个文件-Python如何将将模块分割成多个文件
  3. Vue中bus的使用
  4. Python标准库 数学与随机数 (math包,random包)
  5. 生命周期 用户可以操作dom_React 生命周期的打怪升级之路
  6. 标签的宽度_27 表格标签
  7. android MotionEvent中getX()和getRawX()的区别
  8. Visual Studio上开发Python?你不可不知道的六大功能!
  9. Installation failed, deleting ./composer.json.安装phpunit报错解决方案
  10. python发展路线_Python进阶路径-从学徒到大师
  11. (零)ubuntu下制作最小deb包
  12. python gevent async_详解python之协程gevent模块
  13. centOS6.6虚拟机启动后登陆界面无法显示
  14. 加密解密:使用对称密码加密文件
  15. 实验一 201521410003 15网一 叶萌熙
  16. FAQ(常见问题解答)
  17. Android 运行时权限
  18. FinClip11月产品更新:FIDE 插件开发功能优化;文档中心捉“虫”竞赛火热开启
  19. STM8S003 AWU休眠唤醒 寄存器和库函数2种做法
  20. Node 简介、模块、模板引擎、NPM、文件操作、缓冲区、文件流、网络操作、Express框架

热门文章

  1. 【机器学习入门笔记14:BP神经网络基础】20190218
  2. 【机器学习入门笔记4:OpenCV图片的写入和不同图片质量保存】20190203
  3. 微型计算机基础知识答案,计算机基础知识(答案已填)
  4. linux 系统调用会被信号打断的
  5. Linux小工具(3)之/proc目录详细介绍(上)
  6. 稳扎稳打Silverlight(17) - 2.0数据之详解DataGrid, 绑定数据到ListBox
  7. overload和override的区别
  8. 序列化的 serialVersionUID 到底有什么用?
  9. 分布式事务科普(终结篇)
  10. 搞定高并发,岂能不懂Synchronized底层原理?