這篇文章主要介紹了numpy數組拼接簡單示例，涉及對numpy數組的介紹，numpy數組的屬性等內容，具有一定借鑒價值，需要的朋友可以參考下。

NumPy數組是一個多維數組對象，稱為ndarray。其由兩部分組成：

·實際的數據

·描述這些數據的元數據

大部分操作僅針對于元數據，而不改變底層實際的數據。

關于NumPy數組有幾點必需了解的：

·NumPy數組的下標從0開始。

·同一個NumPy數組中所有元素的類型必須是相同的。

NumPy數組屬性

在詳細介紹NumPy數組之前。先詳細介紹下NumPy數組的基本屬性。NumPy數組的維數稱為秩（rank），一維數組的秩為1，二維數組的秩為2，以此類推。在NumPy中，每一個線性的數組稱為是一個軸（axes），秩其實是描述軸的數量。比如說，二維數組相當于是兩個一維數組，其中第一個一維數組中每個元素又是一個一維數組。所以一維數組就是NumPy中的軸（axes），第一個軸相當于是底層數組，第二個軸是底層數組里的數組。而軸的數量——秩，就是數組的維數。

NumPy的數組中比較重要ndarray對象屬性有：

1.ndarray.ndim：數組的維數（即數組軸的個數），等于秩。最常見的為二維數組（矩陣）。

2.ndarray.shape：數組的維度。為一個表示數組在每個維度上大小的整數元組。例如二維數組中，表示數組的“行數”和“列數”。ndarray.shape返回一個元組，這個元組的長度就是維度的數目，即ndim屬性。

3.ndarray.size：數組元素的總個數，等于shape屬性中元組元素的乘積。

4.ndarray.dtype：表示數組中元素類型的對象，可使用標準的Python類型創建或指定dtype。另外也可使用前一篇文章中介紹的NumPy提供的數據類型。

5.ndarray.itemsize：數組中每個元素的字節大小。例如，一個元素類型為float64的數組itemsiz屬性值為8(float64占用64個bits，每個字節長度為8，所以64/8，占用8個字節），又如，一個元素類型為complex32的數組item屬性為4（32/8）。

6.ndarray.data：包含實際數組元素的緩沖區，由于一般通過數組的索引獲取元素，所以通常不需要使用這個屬性。

數組拼接方法一

思路：首先將數組轉成列表，然后利用列表的拼接函數append()、extend()等進行拼接處理，最后將列表轉成數組。

示例1：

>>> import numpy as np

>>> a=np.array([1,2,5])

>>> b=np.array([10,12,15])

>>> a_list=list(a)

>>> b_list=list(b)

>>> a_list.extend(b_list)

>>> a_list

[1, 2, 5, 10, 12, 15]

>>> a=np.array(a_list)

>>> a

array([ 1, 2, 5, 10, 12, 15])

該方法只適用于簡單的一維數組拼接，由于轉換過程很耗時間，對于大量數據的拼接一般不建議使用。

數組拼接方法二

思路：numpy提供了numpy.append(arr,values,axis=None)函數。對于參數規定，要么一個數組和一個數值；要么兩個數組，不能三個及以上數組直接append拼接。append函數返回的始終是一個一維數組。

示例2：

>>> a=np.arange(5)

>>> a

array([0, 1, 2, 3, 4])

>>> np.append(a,10)

array([ 0, 1, 2, 3, 4, 10])

>>> a

array([0, 1, 2, 3, 4])

>>> b=np.array([11,22,33])

>>> b

array([11, 22, 33])

>>> np.append(a,b)

array([ 0, 1, 2, 3, 4, 11, 22, 33])

>>> a

array([[1, 2, 3],

[4, 5, 6]])

>>> b=np.array([[7,8,9],[10,11,12]])

>>> b

array([[ 7, 8, 9],

[10, 11, 12]])

>>> np.append(a,b)

array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])

numpy的數組沒有動態改變大小的功能，numpy.append()函數每次都會重新分配整個數組，并把原來的數組復制到新數組中。

數組拼接方法三

思路：numpy提供了numpy.concatenate((a1,a2,...),axis=0)函數。能夠一次完成多個數組的拼接。其中a1,a2,...是數組類型的參數

示例3：

>>> a=np.array([1,2,3])

>>> b=np.array([11,22,33])

>>> c=np.array([44,55,66])

>>> np.concatenate((a,b,c),axis=0) # 默認情況下，axis=0可以不寫

array([ 1, 2, 3, 11, 22, 33, 44, 55, 66]) #對于一維數組拼接，axis的值不影響最后的結果

>>> a=np.array([[1,2,3],[4,5,6]])

>>> b=np.array([[11,21,31],[7,8,9]])

>>> np.concatenate((a,b),axis=0)

array([[ 1, 2, 3],

[ 4, 5, 6],

[11, 21, 31],

[ 7, 8, 9]])

>>> np.concatenate((a,b),axis=1) #axis=1表示對應行的數組進行拼接

array([[ 1, 2, 3, 11, 21, 31],

[ 4, 5, 6, 7, 8, 9]])

對numpy.append()和numpy.concatenate()兩個函數的運行時間進行比較

示例4：

>>> from time import clock as now

>>> a=np.arange(9999)

>>> b=np.arange(9999)

>>> time1=now()

>>> c=np.append(a,b)

>>> time2=now()

>>> print time2-time1

28.2316728446

>>> a=np.arange(9999)

>>> b=np.arange(9999)

>>> time1=now()

>>> c=np.concatenate((a,b),axis=0)

>>> time2=now()

>>> print time2-time1

20.3934997107

可知，concatenate()效率更高，適合大規模的數據拼接

總結

以上就是本文關于numpy數組拼接簡單示例的全部內容，希望對大家有所幫助。感興趣的朋友可以繼續參閱本站：

相關推薦：

以上就是numpy數組拼接簡單示例_python的詳細內容，更多請關注php中文網其它相關文章！

本文原創發布php中文網，轉載請注明出處，感謝您的尊重！

總結

以上是生活随笔為你收集整理的python矩阵拼接_numpy数组拼接简单示例_python的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。