numpy数组合并和矩阵拼接的实现

Numpy中提供了concatenate,append, stack类(包括hsatck、vstack、dstack、row_stack、column_stack),r_和c_等类和函数用于数组拼接的操作。

各种函数的特点和区别如下标：

直接合并

将两个一维数组合并成一个二维数组：

import torch
import numpy as np
import matplotlib.pyplot as plt
a = np.arange(0,15,0.1)
b = 1.088 * a + 0.638 + np.random.rand() * 10

print(a.shape,b.shape)
points = np.array([a,b])
print(points.shape)

(150,) (150,)
(2, 150)

append拼接

append(arr, values, axis=None)

>>> import numpy as np
>>> ar1 = np.array([[1,2,3], [4,5,6]])
>>> ar2 = np.array([[7,8,9], [11,12,13]])

>>> np.append(ar1, ar2) # 先ravel扁平化再拼接，所以返回值为一个1维数组
array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 11, 12, 13])

>>> np.append(ar1, ar2, axis=0)  # 沿第一个轴拼接，这里为行的方向
array([[ 1, 2, 3],
 [ 4, 5, 6],
 [ 7, 8, 9],
 [11, 12, 13]])

>>> np.append(ar1, ar2, axis=1)  # 沿第二个轴拼接，这里为列的方向
array([[ 1, 2, 3, 7, 8, 9],
 [ 4, 5, 6, 11, 12, 13]])

concatenate拼接

concatenate(a_tuple, axis=0, out=None)

>>> import numpy as np
>>> ar1 = np.array([[1,2,3], [4,5,6]])
>>> ar2 = np.array([[7,8,9], [11,12,13]])
>>> ar1
array([[1, 2, 3],
 [4, 5, 6]])
>>> ar2
array([[ 7, 8, 9],
 [11, 12, 13]])

>>> np.concatenate((ar1, ar2)) # 这里的第一轴(axis 0)是行方向
array([[ 1, 2, 3],
 [ 4, 5, 6],
 [ 7, 8, 9],
 [11, 12, 13]])

>>> np.concatenate((ar1, ar2),axis=1) # 这里沿第二个轴，即列方向进行拼接
array([[ 1, 2, 3, 7, 8, 9],
 [ 4, 5, 6, 11, 12, 13]])

>>> ar3 = np.array([[14,15,16]]) # shape为（1，3）的2维数组
>>> np.concatenate((ar1, ar3)) # 一般进行concatenate操作的array的shape需要一致，当然如果array在拼接axis方向的size不一样，也可以完成
>>> np.concatenate((ar1, ar3)) # ar3虽然在axis0方向的长度不一致，但axis1方向上一致，所以沿axis0可以拼接
array([[ 1, 2, 3],
 [ 4, 5, 6],
 [14, 15, 16]])
>>> np.concatenate((ar1, ar3), axis=1) # ar3和ar1在axis0方向的长度不一致，所以报错

hstack

>>> np.hstack((ar1,ar2)) # 水平拼接，沿着行的方向，对列进行拼接
array([[ 1, 2, 3, 7, 8, 9],
 [ 4, 5, 6, 11, 12, 13]])

vstack

>>> np.vstack((ar1,ar2)) # 垂直拼接，沿着列的方向，对行进行拼接
array([[ 1, 2, 3],
 [ 4, 5, 6],
 [ 7, 8, 9],
 [11, 12, 13]])

vstack

>>> np.dstack((ar1,ar2)) # 对于2维数组来说，沿着第三轴（深度方向）进行拼接, 效果相当于stack(axis=-1)
array([[[ 1, 7],
 [ 2, 8],
 [ 3, 9]],
 [[ 4, 11],
 [ 5, 12],
 [ 6, 13]]])

column_stack和row_stack

>>> np.column_stack((ar1,ar2)) # 水平拼接，沿着行的方向，对列进行拼接
array([[ 1, 2, 3, 7, 8, 9],
 [ 4, 5, 6, 11, 12, 13]])

>>> np.row_stack((ar1,ar2)) # 垂直拼接，沿着列的方向，对行进行拼接
array([[ 1, 2, 3],
 [ 4, 5, 6],
 [ 7, 8, 9],
 [11, 12, 13]])

np.r_ 和np.c_

常用于快速生成ndarray数据

>>> np.r_[ar1,ar2]  # 垂直拼接，沿着列的方向，对行进行拼接
array([[ 1, 2, 3],
 [ 4, 5, 6],
 [ 7, 8, 9],
 [11, 12, 13]])

>>> np.c_[ar1,ar2] # 水平拼接，沿着行的方向，对列进行拼接
array([[ 1, 2, 3, 7, 8, 9],
 [ 4, 5, 6, 11, 12, 13]])

来源：https://blog.csdn.net/weixin_45755332/article/details/112570897