如何将两个1维的numpy数组压缩成一个2维的numpy数组

Question

我有两个numpy 1d数组，例如：

a = np.array([1,2,3,4,5])
b = np.array([6,7,8,9,10])

那我怎么能得到一个2维数组 [[1,6], [2,7], [3,8], [4,9], [5, 10]] 呢？

- zjffdu

---

对于非常小的数组，zip 可能比调用 Numpy 函数更快，但是对于较长的数组，Numpy 函数要快得多，其中 column_stack 在我的测试中是最快的。例如，对于长度为 1000 的数组，column_stack 比 zip 快约 1000 倍。这是一些相关的 timeit 代码。 - PM 2Ring

Answer 1

如果你有NumPy数组，你可以使用dstack()：

import numpy as np

a = np.array([1,2,3,4,5])
b = np.array([6,7,8,9,10])

c = np.dstack((a,b))
#or
d = np.column_stack((a,b))

>>> c
array([[[ 1,  6],
        [ 2,  7],
        [ 3,  8],
        [ 4,  9],
        [ 5, 10]]])
>>> d
array([[ 1,  6],
       [ 2,  7],
       [ 3,  8],
       [ 4,  9],
       [ 5, 10]])

>>> c.shape
(1, 5, 2)
>>> d.shape
(5, 2)

- zipa

---

或者，np.stack((a, b), axis=-1)，但您的方法更简洁。 - PM 2Ring

就我所知，np.column_stack 是实现这一功能最快的方法，有关详细信息请参见我的问题评论。 - PM 2Ring

注意：np.dstack会在第三个维度上堆叠数组，因此您将创建一个不必要的维度。np.column_stack或np.stack（...，axis =-1）更为适合。 - Ryan M

为什么是 axis=-1 而不是 +1？ - Guimoute

Answer 2

答案就在你的问题中：

np.array(list(zip(a,b)))

编辑：

尽管我的帖子按照OP的要求给出了答案，但将其转换为列表然后再转回NumPy数组会有一些开销（对于大型数组来说很明显）。

因此，dstack将是计算效率更高的选择（参见@zipa的回答）。在发布此答案时，我不知道dstack，所以感谢@zipa将其引入到这个帖子中。

编辑2：

如重复问题中所示，np.c_甚至比np.dstack更短。

>>> import numpy as np
>>> a = np.arange(1, 6)
>>> b = np.arange(6, 11)
>>> 
>>> a
array([1, 2, 3, 4, 5])
>>> b
array([ 6,  7,  8,  9, 10])
>>> np.c_[a, b]
array([[ 1,  6],
       [ 2,  7],
       [ 3,  8],
       [ 4,  9],
       [ 5, 10]])

- Ébe Isaac

---

使用Numpy数组时，为什么要使用普通的Python函数来完成这个任务？ - PM 2Ring

@PM2Ring 您说得对。我不知道zipa的答案，但我是第一个发布的。 - Ébe Isaac

我不喜欢有人在操作时混合两种类型的列表。 - shtse8

Answer 3

你可以使用zip。

np.array(list(zip(a,b)))
array([[ 1,  6],
   [ 2,  7],
   [ 3,  8],
   [ 4,  9],
   [ 5, 10]])

- akash karothiya

---

这与@Ebe的答案有何不同？ - EdChum

我们两个同时回答了，我晚了差不多2-3秒钟。 - akash karothiya

当你使用Numpy数组时，为什么要使用普通的Python函数来完成这个任务？ - PM 2Ring

当然，我会选择 @zipa 的答案。 - akash karothiya