logo

numpy.concatenate() Python

Funkcija concatenate () ir funkcija no NumPy pakotnes. Šī funkcija būtībā apvieno NumPy masīvus kopā. Šo funkciju pamatā izmanto divu vai vairāku vienas formas masīvu savienošanai pa noteiktu asi. Ir svarīgi paturēt prātā šādas lietas:

  1. NumPy's concatenate () nav kā tradicionāls datubāzes savienojums. Tas ir kā NumPy masīvu sakraušana.
  2. Šī funkcija var darboties gan vertikāli, gan horizontāli. Tas nozīmē, ka mēs varam savienot masīvus kopā horizontāli vai vertikāli.
numpy.concatenate()

Funkciju concatenate() parasti raksta kā np.concatenate(), taču mēs to varam arī rakstīt kā numpy.concatenate(). Tas ir atkarīgs no numpy pakotnes importēšanas veida, attiecīgi, importēt numpy kā np vai importēt numpy.

Sintakse

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

Parametri

1) (a1, a2, ...)

Šis parametrs nosaka masīvu secību. Šeit a1, a2, a3 ... ir masīvi, kuriem ir vienāda forma, izņemot dimensiju, kas atbilst asij.

atšķirība starp vakariņām un vakariņām

2) ass: iekšējais (pēc izvēles)

Šis parametrs nosaka asi, pa kuru masīvs tiks savienots. Pēc noklusējuma tā vērtība ir 0.

Rezultāts

Tas atgriezīs ndarray, kas satur abu masīvu elementus.

1. piemērs: numpy.concatenate()

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

Iepriekš minētajā kodā

shreya ghoshal pirmais vīrs
  • Mēs esam importējuši numpy ar aizstājvārdu np.
  • Mēs esam izveidojuši masīvu 'x', izmantojot funkciju np.array().
  • Pēc tam mēs esam izveidojuši citu masīvu 'y', izmantojot to pašu funkciju np.array().
  • Mēs esam deklarējuši mainīgo 'z' un piešķīruši funkcijas np.concatenate() atgriezto vērtību.
  • Funkcijā esam izturējuši masīvu “x” un “y”.
  • Visbeidzot, mēs mēģinājām izdrukāt “z” vērtību.

Izvadē abu masīvu vērtības, t.i., “x” un “y”, kas parādītas kā asij=0.

Izvade:

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

2. piemērs: numpy.concatenate() ar 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 

Izvade:

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

3. piemērs: numpy.concatenate() ar 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 

Izvade:

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

Iepriekš minētajā piemērā '.T' tika izmantots, lai mainītu rindas par kolonnām un kolonnas par rindām.

4. piemērs: numpy.concatenate() with 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 

Izvade:

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

Iepriekš minētajos piemēros mēs izmantojām funkciju np.concatenate(). Šī funkcija nesaglabā MaskedArray ievades maskēšanu. Ir šāds veids, kā mēs varam savienot masīvus, kas var saglabāt MaskedArray ievades maskēšanu.

5. piemērs: 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 

Iepriekš minētajā kodā

atšķirība starp tīģeri un lauvu
  • Mēs esam importējuši numpy ar aizstājvārdu np.
  • Mēs esam izveidojuši masīvu “x”, izmantojot funkciju np.ma.arrange().
  • Pēc tam mēs esam izveidojuši citu masīvu 'y', izmantojot to pašu funkciju np.ma.arrange().
  • Mēs esam deklarējuši mainīgo 'z1' un piešķīruši funkcijas np.concatenate() atgriezto vērtību.
  • Mēs esam deklarējuši mainīgo 'z2' un piešķīruši funkcijas np.ma.concatenate() atgriezto vērtību.
  • Visbeidzot, mēs mēģinājām izdrukāt 'z1' un 'z2' vērtību.

Izvadē gan masīvu 'z1', gan 'z2' vērtības ir saglabājušas MaskedArray ievades maskēšanu.

Izvade:

 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)