np.concatenate()函数
提到numpy的数组操作，我们就不得不说到np.concatenate()函数，concatenate在英文中是级联的意思，我们可以简单地理解为连接。
该函数的调用方法：
numpy.concatenate((a1, a2, ...), axis=0, out=None)
各个参数意义：
(a1, a2, ...)：数组序列，注意要用()括起来，否则会报错
axis：设置级联时的坐标轴，如沿着x轴，y轴或者z轴级联。
out：（可选参数）暂时不做讨论
有返回值，返回级联后的数组。
注意事项：
然而在使用该函数的时候务必要注意，(a1, a2, ...)中的a1，a2均应该为可以迭代的对象，且维度不能够为0，比如：我们给a1 = 5一个整数值，此时会得到zero-dimensional arrays cannot be concatenated的错误提示，具体代码如下：
# -*- coding:utf-8 -*-
"""
author: 15025
age: 26
e-mail: [email protected]
time: 2020/12/1 16:54
software: PyCharm
Description:
"""
import numpy as np
class Debug:
@staticmethod
def mainProgram():
x = 5
y = np.ones(3)
z = np.concatenate(([x], y))
z1 = np.concatenate((np.array([x]), y))
# wrong calling method
# z = np.concatenate((x, y))
# print(z)
print("The value of z is: ")
print(z)
print("The value of z1 is: ")
print(z1)
if __name__ == "__main__":
main = Debug()
main.mainProgram()
"""
The value of z is:
[5. 1. 1. 1.]
The value of z1 is:
[5. 1. 1. 1.]
"""
我们可以看到，对于单个整数，我们可以先将它转换为ndarray或者list对象，然后进行级联操作。但是如果我们直接进行级联操作就会出错，可以自行尝试被注释掉的部分。
接下来我们给几个相关的例子，代码如下：
# -*- coding: utf-8 -*-
import numpy as np
class Debug:
def __init__(self):
self.x = np.array([1, 2, 3])
self.y = np.array([4, 5, 6])
self.x1 = np.array([[1],[2],[3]])
self.y1 = np.array([[4],[5],[6]])
def mainProgram(self):
z = np.concatenate((self.x, self.y))
z1 = np.concatenate((self.x1, self.y1))
print("The value of z is: ")
print(z)
print("The value of z1 is: ")
print(z1)
if __name__ == "__main__":
main = Debug()
main.mainProgram()
"""
The value of z is:
[1 2 3 4 5 6]
The value of z1 is:
[[1]
[2]
[3]
[4]
[5]
[6]]
"""
我们可以看到，对于结果z，np.concatenate()完成的操作类似于np.hstack()函数(超链接点击跳转)，沿着x轴进行数组堆叠。对于结果z1，np.concatenate()完成的操作类似于np.vstack()函数(超链接点击跳转)，沿着y轴进行数组堆叠。我们知道这里是一维情况，产生这种结果的原因是np.concatenate()函数默认的连接方向是与被连接的数组本身的坐标轴方向是一致的。因为self.x与self.y均为横向数组，所以沿着横向连接。同理self.x1与self.y1均为纵向数组，所以沿着纵向连接。那么可不可能把一个横向数组和一个纵向数组连接起来呢？答案是否定的，可以自行尝试，比如将这里的self.x与self.y1连接起来，会得到一个错误。
既然对于一维数组是可以进行连接的，那么二维数组呢？接下来我们研究一下二维数组。代码如下：
# -*- coding: utf-8 -*-
import numpy as np
class Debug:
def __init__(self):
self.x = np.array([[1, 2], [3, 4]])
self.y = np.array([[5, 6], [7, 8]])
def mainProgram(self):
z = np.concatenate((self.x, self.y), axis=0)
z1 = np.concatenate((self.x, self.y), axis=1)
print("The value of z is: ")
print(z)
print("The value of z1 is: ")
print(z1)
if __name__ == "__main__":
main = Debug()
main.mainProgram()
"""
The value of z is:
[[1 2]
[3 4]
[5 6]
[7 8]]
The value of z1 is:
[[1 2 5 6]
[3 4 7 8]]
"""
我们可以从z的结果中得出，此时np.concatenate()完成的操作类似于np.vstack()函数， 沿着y轴进行数组堆叠。从z1的结果中我们可以看到，np.concatenate()完成的操作类似于np.hstack()函数(超链接点击跳转)，沿着x轴进行数组堆叠。如我们之前讨论过的坐标轴问题，类似于np.repeat()的坐标轴问题。二维情况下，从左向右，axis=0指的就是y轴，axis=1指的就是y轴。
那么np.concatenate()函数对于一维，二维均是起作用的，那么对于三维数组，它可以使用吗？答案是肯定的，代码如下：
# -*- coding: utf-8 -*-
import numpy as np
class Debug:
def __init__(self):
self.x = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
self.y = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
def mainProgram(self):
z = np.concatenate((self.x, self.y), axis=0)
z1 = np.concatenate((self.x, self.y), axis=1)
z2 = np.concatenate((self.x, self.y), axis=2)
print(self.x.shape)
print("The value of z is: ")
print(z)
print("The value of z1 is: ")
print(z1)
print("The value of z2 is: ")
print(z2)
if __name__ == "__main__":
main = Debug()
main.mainProgram()
"""
The value of z is:
[[[1 2]
[3 4]]
[[5 6]
[7 8]]
[[1 2]
[3 4]]
[[5 6]
[7 8]]]
The value of z1 is:
[[[1 2]
[3 4]
[1 2]
[3 4]]
[[5 6]
[7 8]
[5 6]
[7 8]]]
The value of z2 is:
[[[1 2 1 2]
[3 4 3 4]]
[[5 6 5 6]
[7 8 7 8]]]
"""
我们可以看到结果完全符合我们的预期，至于坐标轴问题，请查看np.repeat()的坐标轴问题。至此，np.concatenate()函数的研究就告一段落了。
如果大家觉得有用，请高抬贵手给一个赞让我上推荐让更多的人看到吧~