np.concatenate()函数的具体使用

引言

提到 numpy 的数组操作，我们就不得不说到 np.concatenate() 函数，concatenate 一词在英文中是级联的意思，我们可以简单地理解为连接，拼接。

函数调用

调用方法

numpy.concatenate((a1, a2, ...), axis=0, out=None)

各个参数的意义

• (a1, a2, ...)：数组序列，注意要用 () 或者 [] 符号括起来，否则会报错，具体可以参考这篇------np.concatenate()函数数组序列参数。

• axis：设置级联时的坐标轴，如沿着x轴，y 轴或者 z 轴级联。对于坐标轴问题，具体可以参考这篇------numpy.sum()坐标轴问题。

• 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

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: 1502506285@qq.com
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。

示例1------一维数组

代码如下：

# -*- coding: utf-8 -*-
import numpy as np

class Debug:
    def __init__(self):
        self.x = np.array([1, 2, 3])
        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，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，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。

示例2------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，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。

示例3------三维数组

代码如下：

# -*- coding: utf-8 -*-
import numpy as np

class Debug:
    def __init__(self):
        self.x = np.array([[[1, 2], [3, 4]], [[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。至此，np.concatenate() 函数的研究就告一段落了。

来源：https://blog.csdn.net/u011699626/article/details/109095989