NumPy - 连接数组

在 NumPy 中连接数组

在 NumPy 中，连接数组是指将两个或多个数组合并为一个数组的过程。结果可能因连接数组的维度和轴而异。

NumPy 提供了几个用于沿不同轴连接数组的函数，它们是:-

• np.concatenate() 函数
• np.stack() 函数
• np.hstack() 函数
• np.vstack() 函数

使用 concatenate() 函数

NumPy concatenate() 函数沿指定轴连接一系列数组。数组必须具有相同的形状，除了与连接轴对应的维度。以下是基本语法:-

np.concatenate((array1, array2, ...), axis=0)

其中:

• array1, array2, ... − 是要连接的数组序列。这些数组在除 axis 指定的轴之外的所有轴上的形状都应相同。
• axis − 是连接数组所沿的轴。默认值为 0，表示数组将沿行连接(对于二维数组)。

示例:连接一维数组

在以下示例中，我们将沿默认轴(axis 0)连接两个一维数组"array1"和"array2" -

import numpy as np

# 创建两个一维数组
array1 = np.array([1, 2, 3])
array2 = np.array([4, 5, 6])

# 沿默认轴(axis=0)连接
result = np.concatenate((array1, array2))

print("连接后的数组:", result)

结果数组是一个包含两个输入数组所有元素的单个一维数组 -

连接数组:[1 2 3 4 5 6]

示例:沿不同轴连接二维数组

这里，我们使用 NumPy 中的 concatenate() 函数沿不同轴连接两个二维数组 -

import numpy as np

# 创建两个二维数组
array1 = np.array([[1, 2], [3, 4]])
array2 = np.array([[5, 6], [7, 8]])

# 沿轴 0 连接(按行)
result_axis_0 = np.concatenate((array1, array2), axis=0)

print("沿轴 0 连接:
", result_axis_0)

# 沿轴 1 连接(按列)
result_axis_1 = np.concatenate((array1, array2), axis=1)

print("沿轴 1 连接:
", result_axis_1)

以下是获得的输出 -

沿轴 0 连接:
[[1 2]
[3 4]
[5 6]
[7 8]]
沿轴 1 连接:
[[1 2 5 6]
[3 4 7 8]]

示例:连接不同维度的数组

在这里，我们将一维数组"array1"重塑为具有给定形状的二维数组，使其能够沿轴"0"与二维数组"array2"连接 -

import numpy as np

# 创建一维数组和二维数组
array1 = np.array([1, 2, 3])
array2 = np.array([[4, 5, 6], [7, 8, 9]])

# 重塑 array1 使其变为二维数组，以便沿轴 0 连接
array1_reshaped = array1.reshape(1, -1)

# 沿轴 0 连接
result = np.concatenate((array1_reshaped, array2), axis=0)

print("连接数组:
", result)

这将产生以下结果 -

连接数组:
[[1 2 3]
[4 5 6]
[7 8 9]]

使用 stack() 函数堆叠数组

NumPy stack() 函数沿着您指定的新轴连接一系列数组。当您需要在添加新轴进行堆叠的同时保留数组的原始维度时，此函数非常有用。语法如下:

np.stack((array1, array2, ...), axis=0)

其中:

• array1, array2, ... − 表示要堆叠的数组序列。这些数组必须具有相同的形状。
• axis − 表示数组堆叠的轴。默认值为 0，表示数组沿新的第一轴堆叠。

示例:堆叠二维数组

在下面的示例中，我们沿新的第三轴堆叠两个二维数组。这将创建一个具有特定形状的三维数组 -

import numpy as np

# 创建两个二维数组
array1 = np.array([[1, 2], [3, 4]])
array2 = np.array([[5, 6], [7, 8]])

# 沿新的第三轴(轴 2)堆叠
stacked_array = np.stack((array1, array2), axis=2)

print("沿轴 2 堆叠的数组:
", stacked_array)
print("堆叠数组的形状:", stacked_array.shape)

新的维度表示数组的深度，原始数组中的相应元素将堆叠在一起 -

沿轴 2 堆叠的数组:
[[[1 5]
[2 6]]
[[3 7]
[4 8]]]
堆叠数组的形状:(2, 2, 2)

示例:堆叠多个数组

在此示例中，使用 stack() 函数沿新的第一个轴堆叠三个一维数组 -

import numpy as np

# 创建三个一维数组
array1 = np.array([1, 2, 3])
array2 = np.array([4, 5, 6])
array3 = np.array([7, 8, 9])

# 沿第一个轴(新轴)堆叠0)
stacked_array = np.stack((array1, array2, array3), axis=0)

print("堆叠数组:
", stacked_array)
print("堆叠数组的形状:", stacked_array.shape)

结果是一个二维数组，其中每个原始数组在新数组中构成一行 -

堆叠数组:
[[1 2 3]
[4 5 6]
[7 8 9]]
堆叠数组的形状:(3, 3)

使用 hstack() 函数进行水平堆叠

NumPy 的 hstack() 函数按列顺序水平堆叠数组。这意味着数组会沿其第二维(二维数组的轴 1)连接。对于一维数组，它们只是沿单个可用轴连接。

语法如下:

np.hstack((array1, array2, ...))

其中，array1, array2, ... 是要水平堆叠的数组序列。所有数组除第二个轴外，其他所有轴的形状都必须相同。

示例

在下面的示例中，我们将两个二维数组"array1"和"array2"水平堆叠，从而生成一个新数组，其中"array2"的列位于"array1"列的右侧 -

import numpy as np

# 创建两个二维数组
array1 = np.array([[1, 2, 3],
[4, 5, 6]])
array2 = np.array([[7, 8, 9],
[10, 11, 12]])

# 水平堆叠数组
hstacked_array = np.hstack((array1, array2))

print("水平堆叠的二维数组:
", hstacked_array)

以下是上述代码的输出 -

水平堆叠的二维数组:
[[ 1 2 3 7 8 9]
[ 4 5 6 10 11 12]]

使用 vstack() 函数进行垂直堆叠

NumPy 的 vstack() 函数按行方向按顺序堆叠数组。这意味着数组沿其第一维(二维数组的 0 轴)连接。对于一维数组，它们被视为行并堆叠在一起，从而形成二维数组。

语法如下:-

np.vstack((array1, array2, ...))

其中，array1, array2, ... 是要垂直堆叠的数组序列。除第一个轴外，所有数组的形状都必须相同。

示例

在以下示例中，我们将两个二维数组"array1"和"array2"垂直堆叠，从而生成一个新数组，其中"array2"的行位于"array1"行的下方 -

import numpy as np

# 创建两个二维数组
array1 = np.array([[1, 2, 3],
[4, 5, 6]])
array2 = np.array([[7, 8, 9],
[10, 11, 12]])

# 垂直堆叠数组
vstacked_array = np.vstack((array1, array2))

print("垂直堆叠的二维数组:
", vstacked_array)

输出结果如下 -

垂直堆叠的二维数组:
[[ 1 2 3]
[ 4 5 6]
[ 7 8 9]
[10 11 12]]

连接后拆分数组

连接数组后，可能需要将它们拆分回原始数组或不同形状的部分。NumPy 提供了几个用于拆分数组的函数 -

• np.split() 函数 - 根据索引或部分指定，将数组拆分为多个子数组。
• np.array_split() 函数 − 与 np.split() 函数类似，但允许拆分成不相等的子数组。
• np.hsplit() 函数 − 水平(按列)拆分数组。
• np.vsplit() 函数 − 垂直(按行)拆分数组。
• np.dsplit() 函数 − 沿第三轴(深度)拆分数组，用于三维数组。

数组拆分是将数组划分为多个子数组的过程。此操作是数组连接的逆操作。

示例

在下面的示例中，我们使用 np.vsplit() 函数将垂直堆叠的数组拆分成两个相等的部分，实际上是反转了垂直堆叠操作 -

import numpy as np

# 垂直堆叠两个数组
array1 = np.array([[1, 2, 3],
[4, 5, 6]])
array2 = np.array([[7, 8, 9],
[10, 11, 12]])

vstacked_array = np.vstack((array1, array2))

# 将数组拆分回原始数组
split_arrays = np.vsplit(vstacked_array, 2)

print("拆分数组:")
for arr in split_arrays:
    print(arr)

执行上述代码后，我们得到以下输出 -

拆分数组:
[[1 2 3]
 [4 5 6]]
[[ 7  8  9]
 [10 11 12]]