我该如何在NumPy中连接两个一维数组?我尝试了numpy.concatenate
:
import numpy as np
a = np.array([1, 2, 3])
b = np.array([4, 5])
np.concatenate(a, b)
但我遇到了一个错误:
类型错误:只有长度为1的数组才能转换为Python标量
我该如何在NumPy中连接两个一维数组?我尝试了numpy.concatenate
:
import numpy as np
a = np.array([1, 2, 3])
b = np.array([4, 5])
np.concatenate(a, b)
但我遇到了一个错误:
类型错误:只有长度为1的数组才能转换为Python标量
用法:
np.concatenate([a, b])
你需要将要连接的数组作为序列传递,而不是分开作为参数传递。它试图将你的
numpy.concatenate((a1, a2, ...), axis=0)
将一系列数组连接在一起。
b
解释为轴参数,这就是为什么它抱怨无法将其转换为标量值的原因。numpy.concatenate(a1, a2, a3)
或者如果您喜欢的话,还可以使用 numpy.concatenate(*[a1, a2, a3])
。Python非常灵活,这种差异在实际使用中并不会对程序产生实质性影响,但API保持一致性很重要(例如,如果所有接受可变长度参数列表的numpy函数都需要显式序列)。 - Jim K.def concatx(*sequences, **kwargs)
)。这并不理想,因为您似乎无法以这种方式在签名中明确命名关键字参数,但有解决方法。 - Jim K.np.concatenate
是一个 Type: builtin_function_or_method
。因此,接口在 numpy
编译代码中是“硬编码”的。np.append
是一个设计不良的替代方法,它需要2个参数(加上关键字),并将它们放入一个序列中。整个 stack
函数范围也像 concatenate
一样工作。同样适用于无处不在的 np.array
。基本的 Python list()
也是如此。 - hpaulj有几种将一维数组连接起来的可能性,例如:
import numpy as np
np.r_[a, a]
np.stack([a, a]).reshape(-1)
np.hstack([a, a])
np.concatenate([a, a])
对于大型数组,所有这些选项的速度都是相同的;对于小型数组,concatenate
略有优势:
该图是使用perfplot创建的:
import numpy
import perfplot
perfplot.show(
setup=lambda n: numpy.random.rand(n),
kernels=[
lambda a: numpy.r_[a, a],
lambda a: numpy.stack([a, a]).reshape(-1),
lambda a: numpy.hstack([a, a]),
lambda a: numpy.concatenate([a, a]),
],
labels=["r_", "stack+reshape", "hstack", "concatenate"],
n_range=[2 ** k for k in range(19)],
xlabel="len(a)",
)
np.concatenate
。它们只是以不同的方式处理输入列表。例如,np.stack
在所有输入数组上添加了一个额外的维度。查看它们的源代码。只有concatenate
被编译。 - hpauljnp.concatenate
会复制输入。这种内存和时间成本就超过了花费在“调整”输入上的时间。 - n1k31t4concatenate
的第一个参数本身应该是要连接的数组序列:numpy.concatenate((a,b)) # Note the extra parentheses.
另一种选择是使用“concatenate”的简短形式,即“r_ [...]”或“c_ [...]”,如下面的示例代码所示(有关更多信息,请参见链接):
%pylab
vector_a = r_[0.:10.] #short form of "arange"
vector_b = array([1,1,1,1])
vector_c = r_[vector_a,vector_b]
print vector_a
print vector_b
print vector_c, '\n\n'
a = ones((3,4))*4
print a, '\n'
c = array([1,1,1])
b = c_[a,c]
print b, '\n\n'
a = ones((4,3))*4
print a, '\n'
c = array([[1,1,1]])
b = r_[a,c]
print b
print type(vector_b)
[ 0. 1. 2. 3. 4. 5. 6. 7. 8. 9.]
[1 1 1 1]
[ 0. 1. 2. 3. 4. 5. 6. 7. 8. 9. 1. 1. 1. 1.]
[[ 4. 4. 4. 4.]
[ 4. 4. 4. 4.]
[ 4. 4. 4. 4.]]
[[ 4. 4. 4. 4. 1.]
[ 4. 4. 4. 4. 1.]
[ 4. 4. 4. 4. 1.]]
[[ 4. 4. 4.]
[ 4. 4. 4.]
[ 4. 4. 4.]
[ 4. 4. 4.]]
[[ 4. 4. 4.]
[ 4. 4. 4.]
[ 4. 4. 4.]
[ 4. 4. 4.]
[ 1. 1. 1.]]
vector_b = [1,1,1,1] #short form of "array"
,这并不是真的。vector_b将是标准的Python列表类型。然而,Numpy非常擅长接受序列,而不是强制所有输入都是numpy.array类型。 - Hannes Ovrén以下是来自numpy 文档 的更多信息:
使用语法numpy.concatenate((a1,a2,...),axis = 0,out = None)
axis = 0 用于按行连接 axis = 1 用于按列连接
>>> a = np.array([[1, 2], [3, 4]])
>>> b = np.array([[5, 6]])
# Appending below last row
>>> np.concatenate((a, b), axis=0)
array([[1, 2],
[3, 4],
[5, 6]])
# Appending after last column
>>> np.concatenate((a, b.T), axis=1) # Notice the transpose
array([[1, 2, 5],
[3, 4, 6]])
# Flattening the final array
>>> np.concatenate((a, b), axis=None)
array([1, 2, 3, 4, 5, 6])
我希望这能有所帮助!
numpy.ravel()
和 numpy.array()
的更多方法,利用一维数组可以解包为普通元素的事实:# we'll utilize the concept of unpacking
In [15]: (*a, *b)
Out[15]: (1, 2, 3, 5, 6)
# using `numpy.ravel()`
In [14]: np.ravel((*a, *b))
Out[14]: array([1, 2, 3, 5, 6])
# wrap the unpacked elements in `numpy.array()`
In [16]: np.array((*a, *b))
Out[16]: array([1, 2, 3, 5, 6])
(n,)
的一维数组转换为(2,n)
,那么您有以下几种选择:import numpy as np
np.r_[[a], [a]]
np.stack([a, a])
np.vstack([a, a])
np.concatenate([[a], [a]])
np.array([a, a])
最快的方法是使用普通的numpy.array
:
import numpy
import perfplot
perfplot.show(
setup=lambda n: numpy.random.rand(n),
kernels=[
lambda a: numpy.r_[[a], [a]],
lambda a: numpy.stack([a, a]),
lambda a: numpy.vstack([a, a]),
lambda a: numpy.concatenate([[a], [a]]),
lambda a: numpy.array([a, a]),
],
labels=["r_", "stack", "vstack", "concatenate", "array"],
n_range=[2 ** k for k in range(19)],
xlabel="len(a)",
)
np.concatenate(...,axis)
。如果您想垂直堆叠它们,请使用np.vstack
。如果您想水平堆叠它们(成多个数组),请使用np.hstack
。(如果您想堆叠它们在第三维即深度方向上,则使用np.dstack
)。请注意,后者与pandas的pd.concat
类似。 - smci