logo

numpy.concatenate() in Python

Die Funktion concatenate() ist eine Funktion aus dem NumPy-Paket. Diese Funktion kombiniert im Wesentlichen NumPy-Arrays. Diese Funktion wird im Wesentlichen zum Verbinden von zwei oder mehr Arrays derselben Form entlang einer bestimmten Achse verwendet. Folgende Dinge sind unbedingt zu beachten:

  1. concatenate() von NumPy ist nicht wie ein herkömmlicher Datenbank-Join. Es ist wie das Stapeln von NumPy-Arrays.
  2. Diese Funktion kann sowohl vertikal als auch horizontal ausgeführt werden. Das bedeutet, dass wir Arrays horizontal oder vertikal verketten können.
numpy.concatenate()

Die Funktion concatenate() wird normalerweise als np.concatenate() geschrieben, wir können sie aber auch als numpy.concatenate() schreiben. Dies hängt von der Art des Imports des Numpy-Pakets ab: entweder Numpy als NP importieren oder Numpy importieren.

Syntax

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

Parameter

1) (a1, a2, ...)

Dieser Parameter definiert die Reihenfolge der Arrays. Hier sind a1, a2, a3 ... die Arrays, die die gleiche Form haben, außer in der Dimension, die der Achse entspricht.

zähle verschiedene SQL

2) Achse: int (optional)

Dieser Parameter definiert die Achse, entlang der das Array verbunden wird. Standardmäßig ist der Wert 0.

Java löst eine Ausnahme aus

Ergebnis

Es wird ein Ndarray zurückgegeben, das die Elemente beider Arrays enthält.

Beispiel 1: numpy.concatenate()

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

Im obigen Code

  • Wir haben numpy mit dem Aliasnamen np importiert.
  • Wir haben mit der Funktion np.array() ein Array „x“ erstellt.
  • Dann haben wir mit derselben Funktion np.array() ein weiteres Array „y“ erstellt.
  • Wir haben die Variable „z“ deklariert und den zurückgegebenen Wert der Funktion np.concatenate() zugewiesen.
  • Wir haben in der Funktion das Array „x“ und „y“ übergeben.
  • Zuletzt haben wir versucht, den Wert von „z“ auszugeben.

In der Ausgabe werden die Werte beider Arrays, d. h. „x“ und „y“, entsprechend der Achse = 0 angezeigt.

Java-Stringformat lang

Ausgabe:

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

Beispiel 2: numpy.concatenate() mit axis=0

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

Ausgabe:

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

Beispiel 3: numpy.concatenate() mit axis=1

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

Ausgabe:

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

Im obigen Beispiel wird „.T“ verwendet, um die Zeilen in Spalten und die Spalten in Zeilen umzuwandeln.

Beispiel 4: numpy.concatenate() mit axis=None

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

Ausgabe:

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

In den obigen Beispielen haben wir die Funktion np.concatenate() verwendet. Diese Funktion bewahrt die Maskierung von MaskedArray-Eingaben nicht. Es gibt die folgende Möglichkeit, die Arrays zu verketten, um die Maskierung der MaskedArray-Eingaben beizubehalten.

Beispiel 5: np.ma.concatenate()

 import numpy as np x=np.ma.arange(3) y=np.arange(3,6) x[1]=np.ma.masked x y z1=np.concatenate([x,y]) z2=np.ma.concatenate([x,y]) z1 z2 

Im obigen Code

tkinter-Taste
  • Wir haben numpy mit dem Aliasnamen np importiert.
  • Wir haben mit der Funktion np.ma.arrange() ein Array „x“ erstellt.
  • Dann haben wir mit derselben Funktion np.ma.arrange() ein weiteres Array „y“ erstellt.
  • Wir haben die Variable „z1“ deklariert und den zurückgegebenen Wert der Funktion np.concatenate() zugewiesen.
  • Wir haben die Variable „z2“ deklariert und den zurückgegebenen Wert der Funktion np.ma.concatenate() zugewiesen.
  • Zuletzt haben wir versucht, den Wert von „z1“ und „z2“ auszugeben.

In der Ausgabe haben die Werte der beiden Arrays „z1“ und „z2“ die Maskierung der MaskedArray-Eingabe beibehalten.

Ausgabe:

 masked_array(data=[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)