#numpy数组合并，两个数组合并为一个
一、 按照行合并
1. append
用法和列表一样，不用在意参数里是不是有空列表(用列表代替一个参数)，其他几个好像都不可这样
a = []
b = np.arange(5)
print(a)
print(b)
d = np.append(a,b)
print(d)
---------输出----
[]
[0 1 2 3 4]
[0. 1. 2. 3. 4.]
colum
2. c_
np.c_是按行连接两个矩阵，就是把两矩阵左右相加，要求行数相等
#例一
a = np.arange(5)
b = np.arange(5)
print(a)
print(b)
d = np.c_[a,b]
print(d)
------输出-------------
[0 1 2 3 4]
[0 1 2 3 4]
[[0 0]
[1 1]
[2 2]
[3 3]
[4 4]]
#例二
a = np.array([[1, 2, 3], [7, 8, 9]])
b = np.array([[4, 5, 6], [1, 2, 3]])
print(a)
print(b)
# d = np.column_stack((a,b))
d = np.c_[a,b]
print(d)
-------输出--------
[[1 2 3]
[7 8 9]]
[[4 5 6]
[1 2 3]]
[[1 2 3 4 5 6]
[7 8 9 1 2 3]]
3. hstack
a = np.arange(5)
b = np.arange(5)
d = np.hstack((a, b))
print(a)
print(b)
print(d)
-----输出------
[0 1 2]
[0 1 2 3 4 5 6]
[0 1 2 0 1 2 3 4 5 6]
特殊情况，迭代，需要再循环外执行一次d = np.hstack((a, b))，也就是hstack的参数内不能有0数组。然后需要双括号，合并成一个参数
a = np.arange(5)
b = np.arange(5)
d = np.hstack((a, b))
begin = time.time()
for n in range(0,1280):
d = np.hstack((d, b))
end = time.time()
print(d)
print(len(d))
print("花费时间：", end - begin)
-------输出------
[0 1 2 ... 2 3 4]
6410
花费时间： 0.00699305534362793
4. row_stack
也是两个参数两个括号
a = np.array([[1, 2, 3], [7, 8, 9]])
b = np.array([[4, 5, 6], [1, 2, 3]])
print(a)
print(b)
d = np.row_stack((a,b))
# d = np.c_[a,b]
print(d)
------输出--------
[[1 2 3]
[7 8 9]]
[[4 5 6]
[1 2 3]]
[[1 2 3]
[7 8 9]
[4 5 6]
[1 2 3]]
二、 按列合并
1 . c_r
np.r_是按列连接两个矩阵，就是把两矩阵上下相加，要求列数相等。
同上
2. column_stack
同上
3. vstack
同上
三、 按轴2合并
注意括号的个数，这个是在轴二上
a = np.array([1,2])
b = np.array([3,4])
print(np.dstack((a,b)))
---------输出-------
[[[1 3]
[2 4]]]
4、 多数组合并
concatenate()函数
效率应该比append高，但是要求数组长度相同形状，比如一维，相同的二维等
numpy.concatenate((a1,a2,...), axis=0)
a = np.arange(5)
b= np.zeros(4)
c = np.concatenate((a,b))
print(c)
#[0. 1. 2. 3. 4. 0. 0. 0. 0.]
时间对比（一维）
b=np.zeros(45875200)
a = np.arange(143360)
begin1 = time.time()
for n in range(0,320): # 切片赋值
b[143360*n:143360+143360*n]=a
end1 = time.time()
print(b[5656:5666])
print("花费时间：", end1 - begin1)
c = []
begin2 = time.time()
for n in range(0,320):
c= np.append(c,a)
end2 = time.time()
print(c[5656:5666])
print("append 花费时间：", end2 - begin2)
d = []
begin3 = time.time()
for n in range(0,320):
d = np.concatenate((d,a))
end3 = time.time()
print(d[5656:5666])
print("concatenate 花费时间：", end3 - begin3)
输出
[5656. 5657. 5658. 5659. 5660. 5661. 5662. 5663. 5664. 5665.]
花费时间： 0.10589170455932617
[5656. 5657. 5658. 5659. 5660. 5661. 5662. 5663. 5664. 5665.]
append 花费时间： 25.331040859222412
[5656. 5657. 5658. 5659. 5660. 5661. 5662. 5663. 5664. 5665.]
concatenate 花费时间： 25.269352912902832
觉得append和concatenate在一维上没啥区别