concatenate函数
numpy.concatenate((a1, a2, ...), axis=0)
Join a sequence of arrays along an existing axis.(按轴axis连接array组成一个新的array)
The arrays must have the same shape, except in the dimension corresponding to axis
axis:default is 0
>>> a = np.array([[1, 2], [3, 4]]) >>> b = np.array([[5, 6]]) b是一个二维array >>> np.concatenate((a, b), axis=0) array([[1, 2], [3, 4], [5, 6]]) >>> np.concatenate((a, b.T), axis=1) array([[1, 2, 5], [3, 4, 6]])
>>> b = np.array([[5,6]]) 可以看出b是二维的不是一维的
>>> b.shape
(1, 2)
>>> b = np.array([5,6])
>>> b.shape
(2,)
更普通的例子
>>> a = np.array([[1, 2], [3, 4]]) a、b的shape为(2,2),连接第一维就变成(4,2),连接第二维就变成(2,4) >>> b = np.array([[5, 6], [7, 8]]) >>> np.concatenate((a,b),axis=0) array([[1, 2], [3, 4], [5, 6], [7, 8]]) >>> np.concatenate((a,b),axis=1) array([[1, 2, 5, 6], [3, 4, 7, 8]])
>>> c = np.concatenate((a,b),axis=1)
>>> c
array([[1, 2, 5, 6],
[3, 4, 7, 8]])
>>> c.shape
(2, 4)
concatenate([a, b])
连接,连接后ndim不变,a和b可以有一维size不同,但size不同的维度必须是要连接的维度
例如,a.shape为(4,5,6,10),b.shape为(4,5,6,20)
np.concatenate([a,b], axis=3) # 返回张量的shape为(4,5,6,30)
有助于理解的例子。第一个例子是一维的,这一维全是数字,第二个例子是二维的,实际上可以看作将数字换成向量的一维的array。第一个例子axis=0把所有的数字
连接,第二个例子axis=0就可以把所有的向量连接。第二个例子中axis=1,这表明axis=0的个数不发生变化,只变化axis=1。axis=0不发生变化,那两个array对
应的axis=0的元素就可以进行连接。这两个array中的元素是一维向量,就对一维向量进行连接(其实这时候就相当于第一个例子中的连接了)。
若把axis=1中的数字换成一维向量就可以推广到3维的axis=1时的变化,若换到更高维可以推广到更高维的变化。
>>> 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) array([ 1, 2, 3, 11, 22, 33, 44, 55, 66]) >>> 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) array([[ 1, 2, 3, 11, 21, 31], [ 4, 5, 6, 7, 8, 9]])