Python中的numpy.concatenate() _PythonNumPy

concatenate()函数是NumPy包中的函数。此函数实质上将NumPy数组组合在一起。此功能基本上用于沿指定轴连接两个或多个相同形状的数组。需要牢记以下几点：

NumPy的concatenate()不同于传统的数据库联接。就像堆叠NumPy数组一样。
此功能可以垂直和水平操作。这意味着我们可以水平或垂直将数组连接在一起。

文章图片
concatenate()函数通常写为np.concatenate(), 但我们也可以将其写为numpy.concatenate()。它取决于导入numpy软件包的方式, 分别将numpy导入为np或import numpy。
句法

numpy.concatenate((a1, a2, ...), axis)

参数
1)(a1, a2, … )
此参数定义数组的顺序。在此, a1, a2, a3…是除了与轴对应的尺寸以外的形状相同的阵列。
2)轴：int(可选)
此参数定义将沿其连接数组的轴。默认情况下, 其值为0。
结果
它将返回一个包含两个数组元素的ndarray。
示例1：numpy.concatenate()

import numpy as npx=np.array([[1, 2], [3, 4]])y=np.array([[12, 30]])z=np.concatenate((x, y))z

在上面的代码中

我们导入了别名为np的numpy。
我们使用np.array()函数创建了一个数组’ x’ 。
然后, 我们使用相同的np.array()函数创建了另一个数组y。
我们已经声明了变量” z” 并分配了np.concatenate()函数的返回值。
我们已经在函数中传递了数组” x” 和” y” 。
最后, 我们尝试打印’ z’ 的值。

在输出中, 按照轴= 0表示两个数组的值, 即” x” 和” y” 。
输出

array([[ 1, 2], [ 3, 4], [12, 30]])

示例2：轴= 0的numpy.concatenate()

import numpy as npx=np.array([[1, 2], [3, 4]])y=np.array([[12, 30]])z=np.concatenate((x, y), axis=0)z

输出

array([[ 1, 2], [ 3, 4], [12, 30]])

示例3：轴= 1的numpy.concatenate()

import numpy as npx=np.array([[1, 2], [3, 4]])y=np.array([[12, 30]])z=np.concatenate((x, y.T), axis=1)z

输出

array([[ 1, 2, 12], [ 3, 4, 30]])

在上面的示例中, “ 。T” 用于将行更改为列, 并将列更改为行。
示例4：numpy.concatenate()与axis = None

import numpy as npx=np.array([[1, 2], [3, 4]])y=np.array([[12, 30]])z=np.concatenate((x, y), axis=None)z

输出

array([ 1, 2, 3, 4, 12, 30])

在上面的示例中, 我们使用了np.concatenate()函数。此函数未保留MaskedArray输入的掩码。我们可以通过以下方式连接可以保留MaskedArray输入的掩码的数组。
示例5：np.ma.concatenate()

import numpy as npx=np.ma.arange(3)y=np.arange(3, 6)x[1]=np.ma.maskedxyz1=np.concatenate([x, y])z2=np.ma.concatenate([x, y])z1z2

在上面的代码中

我们导入了别名为np的numpy。
我们使用np.ma.arrange()函数创建了一个数组’ x’ 。
然后, 我们使用相同的np.ma.arrange()函数创建了另一个数组’ y’ 。
我们已经声明了变量” z1″ 并分配了np.concatenate()函数的返回值。
我们已经声明了变量” z2″ 并分配了np.ma.concatenate()函数的返回值。
最后, 我们尝试打印” z1″ 和” z2″ 的值。

在输出中, 数组” z1″ 和” z2″ 的值都保留了MaskedArray输入的掩码。
【Python中的numpy.concatenate()】输出

masked_array(data=http://www.srcmini.com/[0, --, 2], mask=[False, True, False], fill_value=999999)array([3, 4, 5])masked_array(data=[0, 1, 2, 3, 4, 5], mask=False, fill_value=999999)masked_array(data=[0, --, 2, 3, 4, 5], mask=[False, True, False, False, False, False], fill_value=999999)