numpy数组拼接简单示例
NumPy数组是一个多维数组对象，称为ndarray。其由两部分组成：
大部分操作仅针对于元数据，而不改变底层实际的数据。
关于NumPy数组有几点必需了解的：
NumPy数组属性
在详细介绍NumPy数组之前。先详细介绍下NumPy数组的基本属性。NumPy数组的维数称为秩（rank），一维数组的秩为1，二维数组的秩为2，以此类推。在NumPy中，每一个线性的数组称为是一个轴（axes），秩其实是描述轴的数量。比如说，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是NumPy中的轴（axes），第一个轴相当于是底层数组，第二个轴是底层数组里的数组。而轴的数量——秩，就是数组的维数。
NumPy的数组中比较重要ndarray对象属性有：
1.ndarray.ndim：数组的维数（即数组轴的个数），等于秩。最常见的为二维数组（矩阵）。
2.ndarray.shape：数组的维度。为一个表示数组在每个维度上大小的整数元组。例如二维数组中，表示数组的“行数”和“列数”。ndarray.shape返回一个元组，这个元组的长度就是维度的数目，即ndim属性。
3.ndarray.size：数组元素的总个数，等于shape属性中元组元素的乘积。
4.ndarray.dtype：表示数组中元素类型的对象，可使用标准的Python类型创建或指定dtype。另外也可使用前一篇文章中介绍的NumPy提供的数据类型。
5.ndarray.itemsize：数组中每个元素的字节大小。例如，一个元素类型为float64的数组itemsiz属性值为8(float64占用64个bits，每个字节长度为8，所以64/8，占用8个字节），又如，一个元素类型为complex32的数组item属性为4（32/8）。
6.ndarray.data：包含实际数组元素的缓冲区，由于一般通过数组的索引获取元素，所以通常不需要使用这个属性。
数组拼接方法一
思路：首先将数组转成列表，然后利用列表的拼接函数append()、extend()等进行拼接处理，最后将列表转成数组。
示例1：
>>>importnumpyasnp >>>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])
该方法只适用于简单的一维数组拼接，由于转换过程很耗时间，对于大量数据的拼接一般不建议使用。
数组拼接方法二
思路：numpy提供了numpy.append(arr,values,axis=None)函数。对于参数规定，要么一个数组和一个数值；要么两个数组，不能三个及以上数组直接append拼接。append函数返回的始终是一个一维数组。
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的数组没有动态改变大小的功能，numpy.append()函数每次都会重新分配整个数组，并把原来的数组复制到新数组中。
数组拼接方法三
思路：numpy提供了numpy.concatenate((a1,a2,...),axis=0)函数。能够一次完成多个数组的拼接。其中a1,a2,...是数组类型的参数
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)#默认情况下，axis=0可以不写 array([1,2,3,11,22,33,44,55,66])#对于一维数组拼接，axis的值不影响最后的结果 >>>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表示对应行的数组进行拼接 array([[1,2,3,11,21,31], [4,5,6,7,8,9]])
对numpy.append()和numpy.concatenate()两个函数的运行时间进行比较
示例4：
>>>fromtimeimportclockasnow >>>a=np.arange(9999) >>>b=np.arange(9999) >>>time1=now() >>>c=np.append(a,b) >>>time2=now() >>>printtime2-time1 28.2316728446 >>>a=np.arange(9999) >>>b=np.arange(9999) >>>time1=now() >>>c=np.concatenate((a,b),axis=0) >>>time2=now() >>>printtime2-time1 20.3934997107
可知，concatenate()效率更高，适合大规模的数据拼接
总结
以上就是本文关于numpy数组拼接简单示例的全部内容，希望对大家有所帮助。感兴趣的朋友可以继续参阅本站：
浅谈numpy数组的几种排序方式
Python编程给numpy矩阵添加一列方法示例
Pythonnumpy生成矩阵、串联矩阵代码分享
如有不足之处，欢迎留言指出。感谢朋友们对本站的支持！