在Python中将numpy矩阵的所有行连接起来

Question

我有一个numpy矩阵，想将所有行连接起来，以便得到一个长数组。

#example

input:
[[1 2 3]
 [4 5 6}
 [7 8 9]]

output:
[[1 2 3 4 5 6 7 8 9]]

我现在的做法似乎不太符合Pythonic的风格，我相信有更好的方法。

combined_x = x[0] 
for index, row in enumerate(x):
    if index!= 0:
        combined_x = np.concatenate((combined_x,x[index]),axis=1)

感谢您的帮助。

- user1764386

---

@senderle -- 我也觉得ravel是我的第一选择。发表为答案，我会很高兴地点赞。 - mgilson

Answer 1

我建议使用ndarray的ravel或flatten方法。

你可以参考ravel方法文档或flatten方法文档了解更多信息。

>>> a = numpy.arange(9).reshape(3, 3)
>>> a.ravel()
array([0, 1, 2, 3, 4, 5, 6, 7, 8])

ravel比concatenate和flatten更快，因为它只有在必要时才返回副本：

>>> a.ravel()[5] = 99
>>> a
array([[ 0,  1,  2],
       [ 3,  4, 99],
       [ 6,  7,  8]])
>>> a.flatten()[5] = 77
>>> a
array([[ 0,  1,  2],
       [ 3,  4, 99],
       [ 6,  7,  8]])

但是，如果您需要一份副本来避免上述的内存共享问题，最好使用flatten而不是concatenate，如下所示：

>>> %timeit a.ravel()
1000000 loops, best of 3: 468 ns per loop
>>> %timeit a.flatten()
1000000 loops, best of 3: 1.42 us per loop
>>> %timeit numpy.concatenate(a)
100000 loops, best of 3: 2.26 us per loop

同时请注意，您可以使用reshape函数来获得与输出示例相同的结果（一个一行两列的二维数组）（感谢Pierre GM！）：

>>> a = numpy.arange(9).reshape(3, 3)
>>> a.reshape(1, -1)
array([[0, 1, 2, 3, 4, 5, 6, 7, 8]])
>>> %timeit a.reshape(1, -1)
1000000 loops, best of 3: 736 ns per loop

- senderle

---

请注意，ravel或flatten将把您的二维数组转换为一维数组，即从(N,M)变为(N*M,)形状。 OP可能希望添加.reshape(1,-1)以强制输出为二维数组（1行，多列）。 - Pierre GM

当然，如果你只想将你的二维数组转换成一维数组，更快的方法是 your_array.shape = -1... - Pierre GM

@PierreGM，感谢您指出输出差异。关于 your_array.shape -- 我进行了更多非正式的计时，证明 your_array.shape = (-1,) 比 your_array.reshape((-1,)) 稍微快一些 -- 可能是因为后者创建了一个新视图。但有点令人惊讶的是，your_array.shape = -1 的速度比 your_array.shape = (-1,) 慢了两倍。 - senderle

时间差有点令人惊讶。使用-1或(-1,)只是一种快捷方式，我们应该使用your_array.size或(your_array.size,)来跳过测试... - Pierre GM

Answer 2

您可以使用numpy的concatenate函数：concatenate函数文档。

>>> ar = np.array([[1,2,3],[4,5,6],[7,8,9]])
>>> np.concatenate(ar)
array([1, 2, 3, 4, 5, 6, 7, 8, 9])

您也可以尝试使用flatten函数：

>>> ar.flatten()
array([1, 2, 3, 4, 5, 6, 7, 8, 9])

- Maehler

---

似乎正是用户想要的。 - orlp